如何将numpy.recarray转换为numpy.array？

Question

将numpy转换recarray为普通数组的最佳方法是什么？

我可以做一个.tolist()然后再做array()一次,但这似乎有点低效..

例:

import numpy as np
a = np.recarray((2,), dtype=[('x', int), ('y', float), ('z', int)])

>>> a
  rec.array([(30408891, 9.2944097561804909e-296, 30261980),
   (44512448, 4.5273310988985789e-300, 29979040)], 
  dtype=[('x', '<i4'), ('y', '<f8'), ('z', '<i4')])

>>> np.array(a.tolist())
   array([[  3.04088910e+007,   9.29440976e-296,   3.02619800e+007],
   [  4.45124480e+007,   4.52733110e-300,   2.99790400e+007]])

Answer 1

通过"正常数组",我认为它是指同类dtype的NumPy数组.给出一个重新组合,例如:

>>> a = np.array([(0, 1, 2),
              (3, 4, 5)],[('x', int), ('y', float), ('z', int)]).view(np.recarray)
rec.array([(0, 1.0, 2), (3, 4.0, 5)], 
      dtype=[('x', '<i4'), ('y', '<f8'), ('z', '<i4')])

我们必须首先使每列具有相同的dtype.然后我们可以通过相同的dtype查看数据将其转换为"正常数组":

>>> a.astype([('x', '<f8'), ('y', '<f8'), ('z', '<f8')]).view('<f8')
array([ 0.,  1.,  2.,  3.,  4.,  5.])

astype返回一个新的numpy数组.因此,上述内容需要额外的内存,其数量与内容的大小成正比a.每行a需要4 + 8 + 4 = 16字节,同时a.astype(...)需要8*3 = 24字节.调用视图不需要新的内存,因为view只需更改底层数据的解释方式.

a.tolist()返回一个新的Python列表.每个Python编号都是一个对象,它需要比numpy数组中的等效表示更多的字节.因此a.tolist()需要更多的内存a.astype(...).

通话a.astype(...).view(...)速度也快于np.array(a.tolist()):

In [8]: a = np.array(zip(*[iter(xrange(300))]*3),[('x', int), ('y', float), ('z', int)]).view(np.recarray)

In [9]: %timeit a.astype([('x', '<f8'), ('y', '<f8'), ('z', '<f8')]).view('<f8')
10000 loops, best of 3: 165 us per loop

In [10]: %timeit np.array(a.tolist())
1000 loops, best of 3: 683 us per loop