numpy:从recarray dtype获取ndarray dtype

Question

我有一个由函数返回的recarray，我想将它转换为具有相同dtype的ndarray。下面的代码中的z变量就是一个例子。我怎样才能得到d1从dtype of z

>>> d1 = np.dtype([('a', float), ('b', int)])
>>> x = np.random.randn(4).view(d1); x
array([( 1.3209, -1.11  ), (-1.1721, -0.5442)],
      dtype=[('a', '<f8'), ('b', '<f8')])

>>> y = x.view(np.recarray); y
rec.array([( 1.3209, -1.11  ), (-1.1721, -0.5442)], 
          dtype=[('a', '<f8'), ('b', '<f8')])

>>> z = y.view(np.ndarray); z
array([( 1.3209, -1.11  ), (-1.1721, -0.5442)],
      dtype=(numpy.record, [('a', '<f8'), ('b', '<f8')]))

现在，您可以看到z和x具有相同的数据结构，但具有不同的dtype。z.dtype在x.dtype上有一个包装器np.record。如何删除包装器以获取底层d1

Answer 1

In [19]: d1 = np.dtype([('a',float),('b',float)])                               

结构化数组

In [20]: x = np.array([(1,2),(3,4),(5,6)], d1)                                  
In [21]: x                                                                      
Out[21]: array([(1., 2.), (3., 4.), (5., 6.)], dtype=[('a', '<f8'), ('b', '<f8')])

重新排列的视图：

In [22]: y = x.view(np.recarray)                                                
In [23]: y                                                                      
Out[23]: 
rec.array([(1., 2.), (3., 4.), (5., 6.)],
          dtype=[('a', '<f8'), ('b', '<f8')])

The dtype

In [24]: x.dtype                                                                
Out[24]: dtype([('a', '<f8'), ('b', '<f8')])
In [25]: y.dtype                                                                
Out[25]: dtype((numpy.record, [('a', '<f8'), ('b', '<f8')]))

dtype descr匹配，所以我们可以：

In [26]: y.dtype.descr                                                          
Out[26]: [('a', '<f8'), ('b', '<f8')]
In [27]: np.dtype(y.dtype.descr)                                                
Out[27]: dtype([('a', '<f8'), ('b', '<f8')])
In [28]: x.dtype                                                                
Out[28]: dtype([('a', '<f8'), ('b', '<f8')])

https://docs.scipy.org/doc/numpy/user/basics.rec.html#record-arrays

为了方便起见，将ndarray视为np.recarray类型将自动转换为np.record数据类型，因此可以将dtype排除在视图之外： 要返回到普通的ndarray，必须重置dtype和type。考虑到记录不是结构化类型这一不寻常的情况，以下观点是这样做的：

In [31]: y.view(y.dtype.fields, np.ndarray)                                     
Out[31]: array([(1., 2.), (3., 4.), (5., 6.)], dtype=[('a', '<f8'), ('b', '<f8')])

===

随着多字段访问方式的改变，recfunctions添加了一些实用函数。一个人将结构化转换为非结构化(在过去一直有点尴尬)：

In [35]: import numpy.lib.recfunctions as rf                                    
In [36]: rf.structured_to_unstructured(x)                                       
Out[36]: 
array([[1., 2.],
       [3., 4.],
       [5., 6.]])
In [37]: rf.structured_to_unstructured(y)                                       
Out[37]: 
rec.array([[1., 2.],
           [3., 4.],
           [5., 6.]],
          dtype=float64)
In [38]: rf.structured_to_unstructured(y).view(np.ndarray)                      
Out[38]: 
array([[1., 2.],
       [3., 4.],
       [5., 6.]])

另一个方向是：

In [39]: rf.unstructured_to_structured(Out[36], x.dtype)                        
Out[39]: array([(1., 2.), (3., 4.), (5., 6.)], dtype=[('a', '<f8'), ('b', '<f8')])