二维结构化数组

Question

我想在Python中构建一个structured array，它可以通过列和行的名称进行访问。这可能与structured array方法的numpy？

例子： 我的阵列大致有这样的形式：

My_array =  A B C 
       E 1 2 3 
       F 4 5 6 
       G 7 8 9 

，我想必须做以下可能性：

My_array["A"]["E"] = 1 
My_array["C"]["F"] = 6 

是否有可能使用为此在pyhton structured arrays还是有另一种更适合这样的任务的结构？

Answer 1

使用重新数组，可以使用点符号或具体引用列名称来访问列。对于行，它们由行号访问。我还没有看到他们通过行名称访问，例如：

>>> import numpy as np 
>>> a = np.arange(1,10,1).reshape(3,3) 
>>> dt = np.dtype([('A','int'),('B','int'),('C','int')]) 
>>> a.dtype = dt 
>>> r = a.view(type=np.recarray) 
>>> r 
rec.array([[(1, 2, 3)], 
     [(4, 5, 6)], 
     [(7, 8, 9)]], 
     dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')]) 
>>> r.A 
array([[1], 
     [4], 
     [7]]) 
>>> r['A'] 
array([[1], 
     [4], 
     [7]]) 
>>> r.A[0] 
array([1]) 
>>> a['A'][0] 
array([1]) 
>>> # now for the row 
>>> >>> r[0] 
rec.array([(1, 2, 3)], 
     dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')]) 
>>> 

您可以指定D型，并在同一时间类型

>>> a = np.ones((3,3)) 
>>> b = a.view(dtype= [('A','<f8'), ('B','<f8'),('C', '<f8')], type = np.recarray) 
>>> b 
rec.array([[(1.0, 1.0, 1.0)], 
     [(1.0, 1.0, 1.0)], 
     [(1.0, 1.0, 1.0)]], 
     dtype=[('A', '<f8'), ('B', '<f8'), ('C', '<f8')]) 
>>> b.A 
array([[ 1.], 
     [ 1.], 
     [ 1.]]) 
>>> b.A[0] 
array([ 1.]) 

Answer 2

基本结构数组给你的东西，可以用一个名字索引：

In [276]: dt=np.dtype([('A',int),('B',int),('C',int)]) 
In [277]: x=np.arange(9).reshape(3,3).view(dtype=dt) 
In [278]: x 
Out[278]: 
array([[(0, 1, 2)], 
     [(3, 4, 5)], 
     [(6, 7, 8)]], 
     dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')]) 

In [279]: x['B'] # index by field name 
Out[279]: 
array([[1], 
     [4], 
     [7]]) 

In [280]: x[1] # index by row (array element) 
Out[280]: 
array([(3, 4, 5)], 
     dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')]) 

In [281]: x['B'][1] 
Out[281]: array([4]) 

In [282]: x.shape # could be reshaped to (3,) 
Out[282]: (3, 1) 

视图方法产生了一个2d数组，但只有一列。通常的列被dtype字段替换。这是2D，但有一个转折点。通过使用view，数据缓冲区不变; dtype只是提供了访问这些'列'的不同方式。在技​​术上，dtype字段不是维度。它们不在阵列的.shape或.ndim中注册。你也不能使用x[0,'A']。

recarray做了同样的事情，但增加了访问字段作为属性的选项，例如， x.B与x['B']相同。

rows仍然必须通过索引号访问。

另一种构造结构化数组的方法是将定义的值作为元组列表。

In [283]: x1 = np.arange(9).reshape(3,3) 
In [284]: x2=np.array([tuple(i) for i in x1],dtype=dt) 
In [285]: x2 
Out[285]: 
array([(0, 1, 2), (3, 4, 5), (6, 7, 8)], 
     dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')]) 
In [286]: x2.shape 
Out[286]: (3,) 

ones，zeros，empty还构造基本结构化阵列

In [287]: np.ones((3,),dtype=dt) 
Out[287]: 
array([(1, 1, 1), (1, 1, 1), (1, 1, 1)], 
     dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')]) 

我可以构建被索引与2字段名，由嵌套dtypes数组：

In [294]: dt1=np.dtype([('D',int),('E',int),('F',int)]) 

In [295]: dt2=np.dtype([('A',dt1),('B',dt1),('C',dt1)]) 

In [296]: y=np.ones((),dtype=dt2) 

In [297]: y 
Out[297]: 
array(((1, 1, 1), (1, 1, 1), (1, 1, 1)), 
     dtype=[('A', [('D', '<i4'), ('E', '<i4'), ('F', '<i4')]), ('B', [('D', '<i4'), ('E', '<i4'), ('F', '<i4')]), ('C', [('D', '<i4'), ('E', '<i4'), ('F', '<i4')])]) 

In [298]: y['A']['F'] 
Out[298]: array(1) 

但坦率地说这是相当复杂的。我甚至没有想到如何将元素设置为arange(9)（没有迭代字段名称）。

结构化阵列最常见的是通过csv文件与np.genfromtxt（或loadtxt）生成。结果是每个标记列的命名字段以及文件中每行的编号“行”。