在编译代码中,np.array
如何处理各种输入的细节被隐藏了起来。正如许多有关创建对象数据类型数组的问题所显示的那样,这可能会变得复杂和令人困惑。其基本模型是从嵌套列表创建多维数值数组。
np.array([[1,2,3],[4,5,6]])
在实现结构化数组时,开发人员采用了元组作为一种将记录与仅仅另一个嵌套维度区分开的方式。这在结构化数组的显示中是显而易见的。
在定义结构化数组时,
元组列表
的要求也是必需的,尽管这种要求在文档中有些隐蔽。
In [382]: dt=np.dtype([('y',int)])
In [383]: np.array(alist,dt)
TypeError: a bytes-like object is required, not 'int'
这是我的版本'1.12.0'的错误信息。在你的版本中似乎不同。
正如你所说,列表推导式可以将嵌套列表转换为元组列表。
In [384]: np.array([tuple(i) for i in alist],dt)
Out[384]:
array([(1,), (2,), (3,)],
dtype=[('y', '<i4')])
在回答SO问题时,这是我最常使用的方法。要么这样,要么迭代设置预分配数组的字段(通常记录比字段多得多,因此该循环不会很昂贵)。
看起来,将数组包装在结构化数组调用中等效于astype
调用:
In [385]: np.array(np.array(alist),dt)
Out[385]:
array([[(1,)],
[(2,)],
[(3,)]],
dtype=[('y', '<i4')])
In [386]: np.array(alist).astype(dt)
Out[386]:
array([[(1,)],
[(2,)],
[(3,)]],
dtype=[('y', '<i4')])
但需要注意的是维度数量的变化。元组列表创建了一个 (3,) 的数组。astype 将一个 (3,1) 的数值数组转换成了一个 (3,1) 的结构化数组。
元组的一部分告诉 np.array 在哪里放置数组维度和记录之间的分割线。它会进行解释。
[(3,), (1,), (2,)]
[record, record, record]
相比之下,[[1],[2],[3]]
的自动翻译可能会产生以下结果:
[[record],[record],[record]]
当dtype为数字(非结构化)时,它忽略了列表和元组之间的区别。
In [388]: np.array([tuple(i) for i in alist],int)
Out[388]:
array([[1],
[2],
[3]])
当数据类型为复合型时,开发人员选择使用元组层作为重要信息。
考虑一种更复杂的结构化数据类型。
In [389]: dt1=np.dtype([('y',int,(2,))])
In [390]: np.ones((3,), dt1)
Out[390]:
array([([1, 1],), ([1, 1],), ([1, 1],)],
dtype=[('y', '<i4', (2,))])
In [391]: np.array([([1,2],),([3,4],)])
Out[391]:
array([[[1, 2]],
[[3, 4]]])
In [392]: np.array([([1,2],),([3,4],)], dtype=dt1)
Out[392]:
array([([1, 2],), ([3, 4],)],
dtype=[('y', '<i4', (2,))])
显示器(和输入)中包含列表,元组以及列表中的元组。这只是个开始。
In [393]: dt1=np.dtype([('x',dt,(2,))])
In [394]: dt1
Out[394]: dtype([('x', [('y', '<i4')], (2,))])
In [395]: np.ones((2,),dt1)
Out[395]:
array([([(1,), (1,)],), ([(1,), (1,)],)],
dtype=[('x', [('y', '<i4')], (2,))])
将元组列表转换为结构化的numpy数组
np.array
有效的原因)。 - juanpa.arrivillaga