NumPy之:结构化数组详解

简介

普通的数组就是数组中存放了同一类型的对象。而结构化数组是指数组中存放不同对象的格式。

今天我们来详细探讨一下NumPy中的结构化数组。

结构化数组中的字段field

因为结构化数组中包含了不同类型的对象 所以每一个对象类型都被称为一个field。

每个field都有3部分 分别是 string类型的name 任何有效dtype类型的type 还有一个可选的title。

看一个使用filed构建dtype的例子

In [165]: np.dtype([( name , U10 ), ( age , i4 ), ( weight , f4 )])
Out[165]: dtype([( name , U10 ), ( age , i4 ), ( weight , f4 )])

我们可以使用上面的dtype类型来构建一个新的数组

In [166]: x np.array([( Rex , 9, 81.0), ( Fido , 3, 27.0)],
 ...: dtype [( name , U10 ), ( age , i4 ), ( weight , f4 )])
 ...:
In [167]: x
Out[167]:
array([( Rex , 9, 81.), ( Fido , 3, 27.)],
 dtype [( name , U10 ), ( age , i4 ), ( weight , f4 )])

x是一个1维数组 每个元素都包含三个字段 name age和weight。并且分别指定了他们的数据类型。

可以通过index来访问一行数据

In [168]: x[1]
Out[168]: ( Fido , 3, 27.)

也可以通过name来访问一列数据

In [170]: x[ name ]
Out[170]: array([ Rex , Fido ], dtype U10 )

还可以给所有的列统一赋值

In [171]: x[ age ]
Out[171]: array([9, 3], dtype int32)
In [172]: x[ age ] 10
In [173]: x
Out[173]:
array([( Rex , 10, 81.), ( Fido , 10, 27.)],
 dtype [( name , U10 ), ( age , i4 ), ( weight , f4 )])

结构化数据类型

上面的例子让我们对结构化数据类型有了一个基本的认识。结构化数据类型就是一系列的filed的集合。

创建结构化数据类型

结构化数据类型是从基础类型创建的 主要有下面几种方式

从元组创建

每个元组都是(fieldname, datatype, shape)这样的格式 其中shape 是可选的。fieldname 是 field的title。

In [174]: np.dtype([( x , f4 ), ( y , np.float32), ( z , f4 , (2, 2))])
Out[174]: dtype([( x , f4 ), ( y , f4 ), ( z , f4 , (2, 2))])

如果fieldname是空字符的话 会以f开头的形式默认创建。

In [177]: np.dtype([( x , f4 ), ( , i4 ), ( z , i8 )])
Out[177]: dtype([( x , f4 ), ( f1 , i4 ), ( z , i8 )])

从逗号分割的dtype创建

可以选择从逗号分割的dtype类型创建

In [178]: np.dtype( i8, f4, S3 )
Out[178]: dtype([( f0 , i8 ), ( f1 , f4 ), ( f2 , S3 )])
In [179]: np.dtype( 3int8, float32, (2, 3)float64 )
Out[179]: dtype([( f0 , i1 , (3,)), ( f1 , f4 ), ( f2 , f8 , (2, 3))])

从字典创建

从字典创建是这样的格式 {‘names’: …, ‘formats’: …, ‘offsets’: …, ‘titles’: …, ‘itemsize’: …}

这种写法可以指定name列表和formats列表。

offsets 指的是每个字段的byte offsets。titles 是字段的title itemsize 是整个dtype的size。

In [180]: np.dtype({ names : [ col1 , col2 ], formats : [ i4 , f4 ]})
Out[180]: dtype([( col1 , i4 ), ( col2 , f4 )])
In [181]: np.dtype({ names : [ col1 , col2 ],
 ...: ... formats : [ i4 , f4 ],
 ...: ... offsets : [0, 4],
 ...: ... itemsize : 12})
 ...:
Out[181]: dtype({ names :[ col1 , col2 ], formats :[ i4 , f4 ], offsets :[0,4], itemsize :12})

操作结构化数据类型

可以通过dtype 的 names 和fields 字段来访问结构化数据类型的属性

 d np.dtype([( x , i8 ), ( y , f4 )])
 d.names
( x , y )

 d.fields
mappingproxy({ x : (dtype( int64 ), 0), y : (dtype( float32 ), 8)})

Offsets 和Alignment

对于结构化类型来说 因为一个dtype中包含了多种数据类型 默认情况下这些数据类型是不对齐的。

我们可以通过下面的例子来看一下各个类型的偏移量

 def print_offsets(d):
... print( offsets: , [d.fields[name][1] for name in d.names])
... print( itemsize: , d.itemsize)
 print_offsets(np.dtype( u1, u1, i4, u1, i8, u2 ))
offsets: [0, 1, 2, 6, 7, 15]
itemsize: 17

如果在创建dtype类型的时候 指定了align True 那么这些类型之间可能会按照C-struct的结构进行对齐。

对齐的好处就是可以提升处理效率。我们看一个对齐的例子

 print_offsets(np.dtype( u1, u1, i4, u1, i8, u2 , align True))
offsets: [0, 1, 4, 8, 16, 24]
itemsize: 32

Field Titles

每个Filed除了name之外 还可以包含title。

有两种方式来指定title 第一种方式

In [182]: np.dtype([(( my title , name ), f4 )])
Out[182]: dtype([(( my title , name ), f4 )])

第二种方式

In [183]: np.dtype({ name : ( i4 , 0, my title )})
Out[183]: dtype([(( my title , name ), i4 )])

看一下fields的结构

In [187]: d.fields
Out[187]:
mappingproxy({ my title : (dtype( float32 ), 0, my title ),
 name : (dtype( float32 ), 0, my title )})

结构化数组

从结构化数据类型创建结构化数组之后 我们就可以对结构化数组进行操作了。

赋值

我们可以从元组中对结构化数组进行赋值

 x np.array([(1, 2, 3), (4, 5, 6)], dtype i8, f4, f8 )
 x[1] (7, 8, 9)
array([(1, 2., 3.), (7, 8., 9.)],
 dtype [( f0 , i8 ), ( f1 , f4 ), ( f2 , f8 )])

还可以从标量对结构化数组进行赋值

 x np.zeros(2, dtype i8, f4, ?, S1 )
 x[:] 3
array([(3, 3., True, b 3 ), (3, 3., True, b 3 )],
 dtype [( f0 , i8 ), ( f1 , f4 ), ( f2 , ? ), ( f3 , S1 )])
 x[:] np.arange(2)
array([(0, 0., False, b 0 ), (1, 1., True, b 1 )],
 dtype [( f0 , i8 ), ( f1 , f4 ), ( f2 , ? ), ( f3 , S1 )])

结构化数组还可以赋值给非机构化数组 但是前提是结构化数组只有一个filed

 twofield np.zeros(2, dtype [( A , i4 ), ( B , i4 )])
 onefield np.zeros(2, dtype [( A , i4 )])
 nostruct np.zeros(2, dtype i4 )
 nostruct[:] twofield
Traceback (most recent call last):
TypeError: Cannot cast array data from dtype([( A , i4 ), ( B , i4 )]) to dtype( int32 ) according to the rule unsafe 

结构化数组还可以互相赋值

 a np.zeros(3, dtype [( a , i8 ), ( b , f4 ), ( c , S3 )])
 b np.ones(3, dtype [( x , f4 ), ( y , S3 ), ( z , O )])
 b[:] a
array([(0., b 0.0 , b ), (0., b 0.0 , b ), (0., b 0.0 , b )],
 dtype [( x , f4 ), ( y , S3 ), ( z , O )])

访问结构化数组

之前讲到了 可以通过filed的名字来访问和修改一列数据

 x np.array([(1, 2), (3, 4)], dtype [( foo , i8 ), ( bar , f4 )])
 x[ foo ]
array([1, 3])
 x[ foo ] 10
array([(10, 2.), (10, 4.)],
 dtype [( foo , i8 ), ( bar , f4 )])

返回的数值是原始数组的一个视图 他们是共享内存空间的 所以修改视图同时也会修改原数据。

看一个filed是多维数组的情况

In [188]: np.zeros((2, 2), dtype [( a , np.int32), ( b , np.float64, (3, 3))])
Out[188]:
array([[(0, [[0., 0., 0.], [0., 0., 0.], [0., 0., 0.]]),
 (0, [[0., 0., 0.], [0., 0., 0.], [0., 0., 0.]])],
 [(0, [[0., 0., 0.], [0., 0., 0.], [0., 0., 0.]]),
 (0, [[0., 0., 0.], [0., 0., 0.], [0., 0., 0.]])]],
 dtype [( a , i4 ), ( b , f8 , (3, 3))])

上面构建了一个2 * 2 的矩阵 这个矩阵中的第一列是int类型 第二列是一个3 * 3 的float矩阵。

我们可以这样来查看各个列的shape值

 x np.zeros((2, 2), dtype [( a , np.int32), ( b , np.float64, (3, 3))])
 x[ a ].shape
(2, 2)
 x[ b ].shape
(2, 2, 3, 3)

除了单列的访问之外 我们还可以一次访问多列数据

 a np.zeros(3, dtype [( a , i4 ), ( b , i4 ), ( c , f4 )])
 a[[ a , c ]]
array([(0, 0.), (0, 0.), (0, 0.)],
 dtype { names :[ a , c ], formats :[ i4 , f4 ], offsets :[0,8], itemsize :12})

多列同时赋值

 a[[ a , c ]] (2, 3)
array([(2, 0, 3.), (2, 0, 3.), (2, 0, 3.)],
 dtype [( a , i4 ), ( b , i4 ), ( c , f4 )])

简单的交换列的数据

 a[[ a , c ]] a[[ c , a ]]

Record Arrays

结构化数组只能通过index来访问 很不方便 为此NumPy提供了一个多维数组的子类 numpy.recarray, 然后可以通过属性来访问。

我们来看几个例子

 recordarr np.rec.array([(1, 2., Hello ), (2, 3., World )],
... dtype [( foo , i4 ),( bar , f4 ), ( baz , S10 )])
 recordarr.bar
array([ 2., 3.], dtype float32)
 recordarr[1:2]
rec.array([(2, 3., b World )],
 dtype [( foo , i4 ), ( bar , f4 ), ( baz , S10 )])
 recordarr[1:2].foo
array([2], dtype int32)
 recordarr.foo[1:2]
array([2], dtype int32)
 recordarr[1].baz
b World 

recarray返回的结果是一个rec.array。除了使用np.rec.array来创建之外 还可以使用view

In [190]: arr np.array([(1, 2., Hello ), (2, 3., World )],
 ...: ... dtype [( foo , i4 ),( bar , f4 ), ( baz , a10 )])
 ...:
In [191]: arr
Out[191]:
array([(1, 2., b Hello ), (2, 3., b World )],
 dtype [( foo , i4 ), ( bar , f4 ), ( baz , S10 )])
In [192]: arr.view(dtype np.dtype((np.record, arr.dtype)),
 ...: ... type np.recarray)
 ...:
Out[192]:
rec.array([(1, 2., b Hello ), (2, 3., b World )],
 dtype [( foo , i4 ), ( bar , f4 ), ( baz , S10 )])

如果是rec.array对象 它的dtype类型会被自动转换成为np.record类型

In [200]: recordarr.dtype
Out[200]: dtype((numpy.record, [( foo , i4 ), ( bar , f4 ), ( baz , S10 )]))

想要转换回原始的np.ndarray类型可以这样

In [202]: recordarr.view(recordarr.dtype.fields or recordarr.dtype, np.ndarray)
Out[202]:
array([(1, 2., b Hello ), (2, 3., b World )],
 dtype [( foo , i4 ), ( bar , f4 ), ( baz , S10 )])

如果通过index或者field来访问rec.array对象的字段 如果字段是结构类型 那么会返回numpy.recarray 如果是非结构类型 则会返回numpy.ndarray

 recordarr np.rec.array([( Hello , (1, 2)), ( World , (3, 4))],
... dtype [( foo , S6 ),( bar , [( A , int), ( B , int)])])
 type(recordarr.foo)
 class numpy.ndarray 
 type(recordarr.bar)
 class numpy.recarray 

本文已收录于 http://www.flydean.com/05-python-structured-arrays/

最通俗的解读 最深刻的干货 最简洁的教程 众多你不知道的小技巧等你来发现

欢迎关注我的公众号:「程序那些事」,懂技术 更懂你

本文转自网络，原文链接：https://developer.aliyun.com/article/783907
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！