将结构化数组转换为常规NumPy数组

Question

我认为答案非常明显,但我现在还没有看到.

如何将记录数组转换回常规ndarray？

假设我有以下简单的结构化数组:

x = np.array([(1.0, 4.0,), (2.0, -1.0)], dtype=[('f0', '<f8'), ('f1', '<f8')])

然后我想将其转换为:

array([[ 1.,  4.],
       [ 2., -1.]])

我试过asarray和astype,但没有奏效.

UPDATE(求解:float32(f4)而不是float64(f8))

好的,我尝试了Robert(x.view(np.float64).reshape(x.shape + (-1,)) )的解决方案,并且使用简单的数组它可以完美地工作.但是对于我想要转换的数组,它给出了一个奇怪的结果:

data = np.array([ (0.014793682843446732, 0.006681123282760382, 0.0, 0.0, 0.0, 0.0008984912419691682, 0.0, 0.013475529849529266, 0.0, 0.0),
       (0.014793682843446732, 0.006681123282760382, 0.0, 0.0, 0.0, 0.0008984912419691682, 0.0, 0.013475529849529266, 0.0, 0.0),
       (0.014776384457945824, 0.006656022742390633, 0.0, 0.0, 0.0, 0.0008901208057068288, 0.0, 0.013350814580917358, 0.0, 0.0),
       (0.011928378604352474, 0.002819152781739831, 0.0, 0.0, 0.0, 0.0012627150863409042, 0.0, 0.018906937912106514, 0.0, 0.0),
       (0.011928378604352474, 0.002819152781739831, 0.0, 0.0, 0.0, 0.001259754877537489, 0.0, 0.01886274479329586, 0.0, 0.0),
       (0.011969991959631443, 0.0028706740122288465, 0.0, 0.0, 0.0, 0.0007433745195157826, 0.0, 0.011164642870426178, 0.0, 0.0)], 
      dtype=[('a_soil', '<f4'), ('b_soil', '<f4'), ('Ea_V', '<f4'), ('Kcc', '<f4'), ('Koc', '<f4'), ('Lmax', '<f4'), ('malfarquhar', '<f4'), ('MRN', '<f4'), ('TCc', '<f4'), ('Vcmax_3', '<f4')])

然后:

data_array = data.view(np.float).reshape(data.shape + (-1,))

得到:

In [8]: data_array
Out[8]: 
array([[  2.28080997e-20,   0.00000000e+00,   2.78023241e-27,
          6.24133580e-18,   0.00000000e+00],
       [  2.28080997e-20,   0.00000000e+00,   2.78023241e-27,
          6.24133580e-18,   0.00000000e+00],
       [  2.21114197e-20,   0.00000000e+00,   2.55866881e-27,
          5.79825816e-18,   0.00000000e+00],
       [  2.04776835e-23,   0.00000000e+00,   3.47457730e-26,
          9.32782857e-17,   0.00000000e+00],
       [  2.04776835e-23,   0.00000000e+00,   3.41189244e-26,
          9.20222417e-17,   0.00000000e+00],
       [  2.32706550e-23,   0.00000000e+00,   4.76375305e-28,
          1.24257748e-18,   0.00000000e+00]])

这是一个包含其他数字和另一种形状的数组.我做错了什么？

Answer 1

最简单的方法可能是

x.view((float, len(x.dtype.names)))

(float通常必须通过在元件的类型替换x:x.dtype[0]).这假设所有元素都具有相同的类型.

此方法numpy.ndarray在一个步骤中为您提供常规版本(与view(…).reshape(…)方法所需的两个步骤相反).

Answer 2

[~]
|5> x = np.array([(1.0, 4.0,), (2.0, -1.0)], dtype=[('f0', '<f8'), ('f1', '<f8')])

[~]
|6> x.view(np.float64).reshape(x.shape + (-1,))
array([[ 1.,  4.],
       [ 2., -1.]])

Answer 3

结合处理多字段索引方式的变化，numpy提供了两个新函数，可以帮助在结构化数组之间进行转换：

在 中numpy.lib.recfunctions，这些是structured_to_unstructured和unstructured_to_structured。 repack_fields是另一个新功能。

来自1.16发行说明

多字段视图返回视图而不是副本

索引具有多个字段的结构化数组，例如 arr[['f1', 'f3']]，返回原始数组的视图而不是副本。与之前不同的是，返回的视图通常会有额外的填充字节对应于原始数组中的中间字段，这会影响 arr[['f1', 'f3']].view('float64') 等代码。从 numpy 1.7 开始就计划进行此更改。从那时起，这条路径上的操作就发出了 FutureWarnings。1.12 中添加了有关此更改的其他 FutureWarnings。

为了帮助用户更新他们的代码以应对这些变化，numpy.lib.recfunctions 模块中添加了许多功能，可以安全地允许此类操作。例如，上面的代码可以替换为structured_to_unstructured(arr[['f1', 'f3']], dtype='float64')。请参阅用户指南的“访问多个字段”部分。

Answer 4

np.array(x.tolist())
array([[ 1.,  4.],
      [ 2., -1.]])

但也许有更好的方法......