numpy recarray复制保留dtype引用吗？

Question

我正在尝试复制一个recarray，并在新数组中更改字段/记录的名称。但是，这会修改原始数组的名称（但值并未取消链接）。例如：

import numpy as np
import copy

定义原始数组

arr = np.array(np.random.random((3,2)),
               dtype=[('a','float'),('b','float')])

第一份副本

arr2 = arr.copy()
arr2.dtype.names = ('c','d')
arr.dtype.names
--> ('c','d')

第二份拷贝

arr3 = copy.deepcopy(arr2)
arr2.dtype.names = ('e','f')
arr.dtype.names
--> ('e','f')

为什么会发生这种情况，如何防止它发生？我怀疑 dtype 是一个单独的列表/对象，其引用在 copy() 时被复制，但即使我将 dtype 对象的深拷贝分配给原始数组，我仍然得到相同的结果：

dt = copy.deepcopy(arr.dtype)
arr.dtype = dt

arr3.dtype.names = ('g','h')
arr.dtype.names
--> ('g','h')

- hatmatrix

Answer 1

我理解你的问题是希望arr3拥有自己的数据类型，这样你就可以修改它而不影响原始数据类型。如果是这样，你可以

arr.dtype 
# --> dtype([('a', '<f8'), ('b', '<f8')])
dt3 = copy.deepcopy(arr.dtype)
dt3.names = ('g','h')
arr3 = np.array(arr, dtype=dt3)
arr.dtype 
# --> dtype([('a', '<f8'), ('b', '<f8')])

技巧似乎是我在创建arr3时必须有不同的dtype（更改dt3，然后创建arr3）。否则，ndarray会获取预先存在的dtype（这似乎是某种代理）。

实际上，我之前也遇到了类似的问题，但没有找到解决方法。我想修改dtype的一部分，但不知道如何操作，所以我最终又为第二个dtype硬编码了整个定义（我的一个字段是子数组，我只在运行时知道其形状）。所以这对我来说是个好问题 :)

- yosukesabai