如何切片由numpy.void数字组成的numpy.ndarray？

Question

所以这是交易：我有一个变量x，它是一个numpy.ndarray。此结构的大小为1000。如果我这样做x[0]，则得到numpy.void4个数字的。如果我这样做x[1]，那么我会得到另一个numpy.void，也有4个数字，依此类推。

我只想做的是：我想对这个数据结构进行切片，以便提取大小为1000x3的numpy矩阵。

我怎么做？谢谢

Answer 1

听起来像您有一个结构化的数组，类似于以下简单示例：

In [158]: x = np.ones((5,), dtype='i,i,f,f')
In [159]: x
Out[159]: 
array([(1, 1,  1.,  1.), (1, 1,  1.,  1.), (1, 1,  1.,  1.),
       (1, 1,  1.,  1.), (1, 1,  1.,  1.)], 
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<f4'), ('f3', '<f4')])
In [160]: x[0]
Out[160]: (1, 1,  1.,  1.)
In [161]: type(x[0])
Out[161]: numpy.void

x[0]是一条记录，显示为元组。您按名称访问字段（而不按“列”索引访问）：

In [162]: x['f0']
Out[162]: array([1, 1, 1, 1, 1], dtype=int32)
In [163]: x['f2'] = np.arange(5)

In [165]: x['f1'] = [10,12,8,0,3]
In [166]: x
Out[166]: 
array([(1, 10,  0.,  1.), (1, 12,  1.,  1.), (1,  8,  2.,  1.),
       (1,  0,  3.,  1.), (1,  3,  4.,  1.)], 
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<f4'), ('f3', '<f4')])
In [168]: x[['f2','f3']]    # 2 fields at once
Out[168]: 
array([( 0.,  1.), ( 1.,  1.), ( 2.,  1.), ( 3.,  1.), ( 4.,  1.)], 
      dtype=[('f2', '<f4'), ('f3', '<f4')])

当“列”应包含不同的内容（例如，字符串在一个字符串中，整数在另一个字符串中）时，这很方便。但是将这样的数组转换为相同数字类型的2d数组可能很尴尬。

view并且astype可以在有限的情况下使用，但它tolist是我所知道的最可靠的转换媒介。

In [179]: x.tolist()
Out[179]: 
[(1, 10, 0.0, 1.0),
 (1, 12, 1.0, 1.0),
 (1, 8, 2.0, 1.0),
 (1, 0, 3.0, 1.0),
 (1, 3, 4.0, 1.0)]
In [180]: np.array(x.tolist())
Out[180]: 
array([[  1.,  10.,   0.,   1.],
       [  1.,  12.,   1.,   1.],
       [  1.,   8.,   2.,   1.],
       [  1.,   0.,   3.,   1.],
       [  1.,   3.,   4.,   1.]])

请注意，tolist结构化数组的for是元组列表，而tolist2d数组的for是列表列表。朝这个方向发展，差异无所谓。相反，差异很重要。

您是如何生成此数组的？从csv用genfromtxt？作为其他数字包的输出？