如何将数组转换为结构化数组的特殊项并还原？

问题描述

我想对结构化数组的项而不是数字执行一些笨拙的方法。因此，例如，在处理形状(4，3)的整数数组时，我需要将其转换为长度为3的项的数组，并执行一些操作，就像它是形状(4，)的单个一维数组一样。不幸的是，这些转换本身对我来说看起来真的很复杂。我们再举一个例子：

n, m, r = 2, 3, 4
array = np.arange(n*m).reshape((n,m))
dt = np.dtype(','.join('i'*m))
arr1 = np.array([tuple(x) for x in array], dtype=dt)
>>> arr1
array([(0, 1, 2), (3, 4, 5)],
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<i4')])

然后我对它调用一些方法，为了简单起见，让它np.tile(但它们可能完全不同)：

arr2 = np.tile(arr1[:,None], r)
>>> arr2
array([[(0, 1, 2), (0, 1, 2), (0, 1, 2), (0, 1, 2)],
       [(3, 4, 5), (3, 4, 5), (3, 4, 5), (3, 4, 5)]],
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<i4')])

我想将其转换为以下数组：

array([[[0, 1, 2], [0, 1, 2], [0, 1, 2], [0, 1, 2]],
       [[3, 4, 5], [3, 4, 5], [3, 4, 5], [3, 4, 5]]]

我有两个问题：

1. 如何在不迭代的情况下将array转换为arr1(一串特殊项)？
2. 如何将arr2(一串特殊项)转换回我想要的单项数组？

---

解决方案

numpy提供了帮助器函数来执行此操作：

>>> n, m, r = 2, 3, 4
>>> array = np.arange(n*m).reshape((n,m))
>>> import numpy.lib.recfunctions as recfunctions
>>> recfunctions.unstructured_to_structured(array, dtype=np.dtype(','.join('i'*m)))
array([(0, 1, 2), (3, 4, 5)],
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<i4')])

和相反方向：

>>> import numpy.lib.recfunctions as recfunctions
>>> recfunctions.structured_to_unstructured(arr2)
array([[[0, 1, 2],
        [0, 1, 2],
        [0, 1, 2],
        [0, 1, 2]],

       [[3, 4, 5],
        [3, 4, 5],
        [3, 4, 5],
        [3, 4, 5]]], dtype=int32)

在这种特定的情况下，如果原始数组为dtype=np.int32，则可以使用视图：

>>> array = np.arange(n*m, dtype=np.int32).reshape((n,m))
>>> structured_view = array.view(dtype=np.dtype(','.join('i'*m)))
>>> structured_view
array([[(0, 1, 2)],
       [(3, 4, 5)]], dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<i4')])

视图的优势在于它创建了一个新的数组。当然，这可能是缺点，如果您更改了您的视图，并且不期望原始数组也会更改。

相反，它不会处理您想要的形状，但您始终可以重塑形状：

>>> arr2.view(dtype=np.int32)
array([[0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2],
       [3, 4, 5, 3, 4, 5, 3, 4, 5, 3, 4, 5]], dtype=int32)

使用视图可能会变得既棘手又快速。