numpy:如何一次填充结构化数组中的多个字段

Question

非常简单的问题:我有一个带有多个列的结构化数组,我只想用其他预先存在的数组填充其中一些(但不止一个).

这就是我正在尝试的:

strc = np.zeros(4, dtype=[('x', int), ('y', int), ('z', int)])
x = np.array([2, 3])
strc[['x', 'y']][0] = x

这给了我这个未来的警告:

main:1:FutureWarning:Numpy检测到您(可能)正在写入numpy.diagonal返回的数组或者选择记录数组中的多个字段.这段代码可能会在未来的numpy版本中破解 - 有关详细信息,请参阅numpy.diagonal或arrays.indexing参考文档.快速解决方法是制作一个明确的副本(例如,执行arr.diagonal().copy()或arr [['f0','f1']].copy()).

但即使这是一个警告,结构化数组也不会被填充.到目前为止,我正在迭代两个数组并且它可以工作,但我猜这是非常低效的.有没有更好的办法？

Answer 1

如果所有字段都具有相同的dtype,则可以创建视图:

import numpy as np
strc = np.zeros(4, dtype=[('x', int), ('y', int), ('z', int)])
strc_view = strc.view(int).reshape(len(strc), -1)
x = np.array([2, 3])
strc_view[0, [0, 1]] = x

如果您想要一个可以创建任何结构化数组的列视图的通用解决方案,您可以尝试:

import numpy as np
strc = np.zeros(3, dtype=[('x', int), ('y', float), ('z', int), ('t', "i8")])

def fields_view(arr, fields):
    dtype2 = np.dtype({name:arr.dtype.fields[name] for name in fields})
    return np.ndarray(arr.shape, dtype2, arr, 0, arr.strides)

v1 = fields_view(strc, ["x", "z"])
v1[0] = 10, 100

v2 = fields_view(strc, ["y", "z"])
v2[1:] = [(3.14, 7)]

v3 = fields_view(strc, ["x", "t"])

v3[1:] = [(1000, 2**16)]

print strc

这是输出:

[(10, 0.0, 100, 0L) (1000, 3.14, 7, 65536L) (1000, 3.14, 7, 65536L)]