append_fields
函数以及其他大多数
recarray
函数会创建一个新的
dtype
和一个
empty
数组,并通过字段名称从原始数组复制字段到结果数组中。
下面将使用一个结构化数组进行说明:
原始的
dtype
和数组如下:
In [102]: dt=np.dtype([('afield','f'),('pos','f',(3,))])
In [103]: dt
Out[103]: dtype([('afield', '<f4'), ('pos', '<f4', (3,))])
In [104]: arr = np.ones((3,),dtype=dt)
In [105]: arr
Out[105]:
array([(1.0, [1.0, 1.0, 1.0]), (1.0, [1.0, 1.0, 1.0]),
(1.0, [1.0, 1.0, 1.0])],
dtype=[('afield', '<f4'), ('pos', '<f4', (3,))])
修改数据类型:
In [106]: dt1=np.dtype([('afield','f'),('pos','f',(3,)),('vel','f',(2,))])
In [107]: arr1 = np.empty((3,),dtype=dt1)
In [108]: arr1
Out[108]:
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])],
dtype=[('afield', '<f4'), ('pos', '<f4', (3,)), ('vel', '<f4', (2,))])
In [109]: for name in dt.names:
.....: arr1[name] = arr[name]
In [110]: arr1
Out[110]:
array([(1.0, [1.0, 1.0, 1.0], [0.0, 0.0]),
(1.0, [1.0, 1.0, 1.0], [0.0, 0.0]),
(1.0, [1.0, 1.0, 1.0], [0.0, 0.0])],
dtype=[('afield', '<f4'), ('pos', '<f4', (3,)), ('vel', '<f4', (2,))])
recarray
是同样的东西,但有能力将字段作为属性进行访问(arr.pos
)。
添加一个简单的整数字段:
In [118]: rf.append_fields(arr, 'vel', np.arange(3),usemask=False)
Out[118]:
array([(1.0, [1.0, 1.0, 1.0], 0), (1.0, [1.0, 1.0, 1.0], 1),
(1.0, [1.0, 1.0, 1.0], 2)],
dtype=[('afield', '<f4'), ('pos', '<f4', (3,)), ('vel', '<i4')])
当我使用(2,)字段时,在recursive_fill
步骤中会出现错误。有了正确的输入,我可以使用它来填充我的dt1
数组:
In [206]: arr = np.ones((3,),dtype=dt)
In [207]: arr1 = np.zeros((3,),dtype=dt1)
In [208]: rf.recursive_fill_fields(arr,arr1)
Out[208]:
array([(1.0, [1.0, 1.0, 1.0], [0.0, 0.0]),
(1.0, [1.0, 1.0, 1.0], [0.0, 0.0]),
(1.0, [1.0, 1.0, 1.0], [0.0, 0.0])],
dtype=[('afield', '<f4'), ('pos', '<f4', (3,)), ('vel', '<f4', (2,))])
In [210]: x = np.ones((3,),dtype=[('vel','f',(2,))])
In [211]: x['vel'] *= 2
In [212]: rf.recursive_fill_fields(x,arr1)
Out[212]:
array([(1.0, [1.0, 1.0, 1.0], [2.0, 2.0]),
(1.0, [1.0, 1.0, 1.0], [2.0, 2.0]),
(1.0, [1.0, 1.0, 1.0], [2.0, 2.0])],
dtype=[('afield', '<f4'), ('pos', '<f4', (3,)), ('vel', '<f4', (2,))])
现在尝试在`append_fields`中使用`x`:
In [213]: rf.append_fields(arr, 'vel', x, usemask=False)
Out[213]:
array([(1.0, [1.0, 1.0, 1.0], ([2.0, 2.0],)),
(1.0, [1.0, 1.0, 1.0], ([2.0, 2.0],)),
(1.0, [1.0, 1.0, 1.0], ([2.0, 2.0],))],
dtype=[('afield', '<f4'), ('pos', '<f4', (3,)), ('vel', [('vel', '<f4', (2,))])])
糟糕 - 我得到了一个嵌套字段。回到我的原始示例 - 通过名称创建目标并填充它。
merge_arrays
更好 - 使用 flatten 功能。
In [247]: rf.merge_arrays((arr,x),flatten=True)
Out[247]:
array([(1.0, [1.0, 1.0, 1.0], [2.0, 2.0]),
(1.0, [1.0, 1.0, 1.0], [2.0, 2.0]),
(1.0, [1.0, 1.0, 1.0], [2.0, 2.0])],
dtype=[('afield', '<f4'), ('pos', '<f4', (3,)), ('vel', '<f4', (2,))])
为新字段创建一个合适的数组的另一种方法
In [248]: dx = [('f0','f',(2,))]
In [250]: y=np.zeros((3,), dtype=dx)
In [251]: y['f0'] = np.arange(6.).reshape(3,2)
创建并填充常常是制作这些复杂结构数组的最佳方式。
append_fields
不适合这个目的。可能需要对 numpy 进行补丁。 - Eric