将 numpy 数组转换为结构化数组

Question

假设我有以下数组：

arr = np.array([[1,2], [3,4]], dtype='u1')

我想把它转换成这样的结构化数组：

strarr = np.array([(1,2), (3,4)], dtype=[('a', 'u1'), ('b', 'u1')])

如果我只是尝试

arr.astype([('a', 'u1'), ('b', 'u1')])

它返回

>>> array([[(1, 1), (2, 2)],
       [(3, 3), (4, 4)]], dtype=[('a', 'u1'), ('b', 'u1')])

如何转换数组以便它使用一行的所有元素来填充字段（前提是数字匹配）而不是复制每个元素？

Answer 1

为此有特殊的帮助函数：

>>> from numpy.lib.recfunctions import unstructured_to_structured

所以，

>>> import numpy as np
>>> arr = np.array([[1,2], [3,4]], dtype='u1')
>>> unstructured_to_structured(arr, dtype=np.dtype([('a', 'u1'), ('b', 'u1')]))
array([(1, 2), (3, 4)], dtype=[('a', 'u1'), ('b', 'u1')])

您还可以创建视图：

>>> arr.ravel().view(dtype=np.dtype([('a', 'u1'), ('b', 'u1')]))
array([(1, 2), (3, 4)], dtype=[('a', 'u1'), ('b', 'u1')])

在这种简单的情况下，这很好，但是如果您选择使用视图，有时您必须担心数组是如何打包的。请注意，视图不会复制底层缓冲区！如果您使用大型阵列，这可以使其效率更高。