问题标签 [structured-array]

1我目前正在使用结构化数组来保存传感器的一些测量值。数组（名为“data”）的维度为 2000x3，包含三个字段：“samples”、“timestamp”和“labels”，其中 samples 是 6 个元素的向量。例如，一行如下所示：

如果我现在想拥有一行的所有样本，我可以像这样访问该行：

效果很好，但如果我把它转过来写成这样：

我收到以下错误：

ValueError：具有多个元素的数组的真值不明确。使用 a.any() 或 a.all()

有谁知道为什么会这样？

编辑：为了更好地理解这里是“数据”数组的前 10 行：

编辑 2：我使用的是 numpy 版本 1.10.4

我实际上并没有使用

但我试过了，它也不起作用。我这样使用它：

我做了一个我能想到的最基本的例子，它的效果令人惊讶：

我做了一个我能想到的最基本的例子，它的效果令人惊讶：

当我有一个带有布尔索引的结构化掩码数组时，在什么情况下可以获得视图以及何时获得副本？文档说高级索引总是返回一个副本，但这不是真的，因为X[X>0]=42技术上高级索引之类的东西，但分配有效。我的情况比较复杂：

我想根据另一个字段的标准设置特定字段的掩码，因此我需要获取该字段，应用布尔索引并获取掩码。有3个！= 6 次这样做。

准备：

1. 字段 - 索引 - 掩码（失败）：

   /li>

2. 索引 - 字段 - 掩码（失败）：

   /li>

3. 索引 - 掩码 - 字段（失败）：

   /li>

4. 掩码 - 索引 - 字段（失败）：

   /li>

5. 字段 - 掩码 - 索引（成功）：

   /li>

6. 掩码 - 字段 - 索引（成功）：

   /li>

所以，看起来索引必须排在最后。

DataFrame我通过执行以下操作创建了一个空：

现在我正在尝试使用 a 更改前 4 行的数据numpy structured array：

有没有不同的方法来实现这一点？

如果我填写以下DataFrame视图，这将部分起作用structured array：

但正如您所见，f0和f2列现在为 0，因为整数 1 被强制为浮点数。

我有一个numpy structured array具有整数和浮点数的 a ，我用它来初始化 a pandas DataFrame：

从上面的代码可以看出，DataFrame用 a初始化structured array是很慢的。但是，如果我将数据更改为连续的浮点 numpy 数组，它会很快。但我仍然需要DataFrame混合浮点数和整数。

经过更多测试后，我意识到 DataFrame 实际上是在复制整个数据（使用浮动视图进行初始化structured array时不会发生这种情况）。structured array我在这里找到了更多信息：https ://github.com/pydata/pandas/issues/9216

有没有办法加快初始化并避免复制？我对替代方法持开放态度，但数据来自structured array.

我正在用 numpy 中的结构化数组做一些工作（我最终将转换为 pandas 数据框）。

现在，我通过读取一些数据（实际上是对一些数据进行映射）然后通过用户指定的约束对其进行过滤来生成这个结构化数组。然后我想将这些数据从我读取它的形式（所有内容都是一个 int 以节省我从中读取它的文件中的空间）转换为更可用的格式，以便我可以进行一些单位转换（即将它上转换为一个浮子）。

在更改结构化数据类型的过程中，我注意到一个有趣的工件（或其他东西）。假设读取数据会产生与以下创建的相同的结构化数组（请注意，在实际代码中，dtype 更长且更复杂，但这对于 mwe 来说已经足够了）：

这创造了

作为结构化数组

现在，假设我想将这两个 dtype 上转换为 double，同时重命名第二个组件。这似乎应该很容易

但结果出乎意料

第二个组件的数据发生了什么变化？我们可以进行这种转换，但是如果我们把事情分开

这导致正确的输出

看来，当astype用结构化的dtype调用时，numpy会匹配每个组件的名称，然后将指定的类型应用于内容（这里只是猜测，没有看源代码）。无论如何要一次完成所有转换（即格式的名称和上转换）还是只需要按步骤完成。（如果需要分步完成，这并不是什么大不了的事，但我觉得奇怪的是，没有一个单一的步骤可以做到这一点。）

使用以下输入运行代码后，会发生运行时错误：

我需要帮助来解决这个问题。

以前，我将 & 符号 /& 放在：

一个有趣的数字出来了：

代码：

I have the following numpy structured array:

As you can see, field 'f4' is a matrix:

My end goal is to have a numpy structured array that only has vectors. I was wondering how to split 'f4' into two fields ('f41' and 'f42') where each field represents the column of the matrix.

Also i was wondering if it was possible to achieve this while using operations that modify the array in place or with minimal copying of the original data.

据我了解，将 NumPy 数组转换为本机 Python 列表的推荐方法是使用ndarray.tolist.

唉，这在使用结构化数组时似乎无法递归工作。事实上，一些ndarray对象在结果列表中被引用，未转换：

我确实编写了一个简单的函数来解决这个问题：

使用时，它提供了预期的结果：

这个函数的问题是它ndarray.tolist通过重新创建它输出的每个列表/元组来重复工作。不是最优的。

所以问题是：

• 这种行为是ndarray.tolist可以预期的吗？
• 有没有更好的方法来实现这一点？

我想知道是否可以将 numpy.array 作为结构化数组中的数据类型。这是这样的想法：

我有一个由整数和数组组成的元组列表，并希望将其转换为结构化数组。现在，Python 抱怨它不理解“numpy.array”数据类型。还有另一种引用数组数据类型的方法吗？

背后的动机是能够做以下事情：

和其他操作。

使用 numpy 命名数组时，我在以下两种情况下观察到不同的行为：

1. 案例：首先使用索引数组进行高级切片，然后按名称选择子数组
2. 案例：首先按名称选择子数组，然后使用索引数组进行高级切片

以下代码提供了一个示例

两个打印命令的输出是 [1. 1. 1. 1. 1.] 和 [1. 22. 1. 22. 22.]。为什么在设置元素时更改选择的顺序会导致不同的结果？