将numpy数组转换为结构化数组
假设numpy数组中行的字节宽度与dtype定义的结构中字段的总宽度相同，那么有没有一种简单的方法可以将numpy数组转换为结构化数组？
例如，my_type为所有字段中的每个数据元素定义了一个5字节的数据类型：[('checksum','u2'), ('word', 'B', (3,))]。然后，我想将numpy数组[[ 1 2 3 4 5] [ 11 12 13 14 15]]转换为结构化数组[( 258, [ 3, 4, 5]) (2828, [13, 14, 15])]。
我最初的尝试是：
import numpy as np
from random import randint
# generate data
array = np.array([(1,2,3,4,5),
(11,12,13,14,15)], dtype = np.uint8)
# format data
my_type = np.dtype([('checksum','u2'), ('word', 'B', (3,))])
structured_array = np.array([array], dtype=my_type)但是，不出所料，由于使用了numpy broadcasting rules，我得到了以下内容：
[[[( 1, [ 1, 1, 1]) ( 2, [ 2, 2, 2]) ( 3, [ 3, 3, 3])
( 4, [ 4, 4, 4]) ( 5, [ 5, 5, 5])]
[( 11, [ 11, 11, 11]) (12, [12, 12, 12]) (13, [13, 13, 13])
(14, [14, 14, 14]) (15, [15, 15, 15])]]]我目前不太优雅的解决方案是循环遍历数组的行，并将它们映射到结构：
structured_array = np.zeros(array.shape[0], dtype=my_type)
for idx, row in enumerate(array):
for key, value in my_type.fields.items():
b = row[value[1]:value[1]+value[0].itemsize]
if len(structured_array[idx][key].shape):
structured_array[idx][key] = b
else:
structured_array[idx][key] = int.from_bytes(b, byteorder='big', signed=False)因此，问题是，是否有一种简单的单行解决方案，可以对任意数据类型的结构化数组执行此任务，而无需解析numpy数组的字节？
回答 1
Stack Overflow用户
发布于 2021-10-13 15:33:58
In [222]: x = np.array([[ 0, 2, 3, 4, 5], [ 0, 12, 13, 14, 15]])
In [223]: dt = np.dtype([('checksum','u2'), ('word', 'B', (3,))])我从过去的使用中知道，genfromtxt可以处理相对复杂的数据类型：
In [224]: np.savetxt('temp', x[:,1:], fmt='%d')
In [225]: cat temp
2 3 4 5
12 13 14 15
In [226]: data = np.genfromtxt('temp', dtype=dt)
In [227]: data
Out[227]:
array([( 2, [ 3, 4, 5]), (12, [13, 14, 15])],
dtype=[('checksum', '<u2'), ('word', 'u1', (3,))])但是我还没有深入研究它的代码，看看它是如何将平面行数据映射到数据类型的。
但事实证明，我在评论中提到的unstructured_to_structured可以处理您的dtype：
In [228]: import numpy.lib.recfunctions as rf
In [229]: rf.unstructured_to_structured(x[:,1:],dtype=dt)
Out[229]:
array([( 2, [ 3, 4, 5]), (12, [13, 14, 15])],
dtype=[('checksum', '<u2'), ('word', 'u1', (3,))])但对于更简单的dtype，我和其他人经常建议将列表列表转换为元组列表。
In [230]: [tuple(row) for row in x[:,1:]]
Out[230]: [(2, 3, 4, 5), (12, 13, 14, 15)]许多recfunctions都使用逐字段复制
In [231]: res = np.zeros(2, dtype=dt)
In [232]: res
Out[232]:
array([(0, [0, 0, 0]), (0, [0, 0, 0])],
dtype=[('checksum', '<u2'), ('word', 'u1', (3,))])
In [233]: res['checksum']= x[:,1]
In [234]: res['word']
Out[234]:
array([[0, 0, 0],
[0, 0, 0]], dtype=uint8)
In [235]: res['word'] = x[:,2:]
In [236]: res
Out[236]:
array([( 2, [ 3, 4, 5]), (12, [13, 14, 15])],
dtype=[('checksum', '<u2'), ('word', 'u1', (3,))])字节视图
我忽略了你想要重新打包字节的事实。我上面的答案将输入行视为4个数字/整数，它们将被分配给复合数据类型中的4个槽。但是对于uint8输入，以及u2和u1插槽，您希望用新的数据类型来view这5个字节，而不是创建一个新的数组。
In [332]: dt
Out[332]: dtype([('checksum', '<u2'), ('word', 'u1', (3,))])
In [333]: arr = np.array([(1,2,3,4,5),
...: (11,12,13,14,15)], dtype = np.uint8)
In [334]: arr.view(dt)
Out[334]:
array([[( 513, [ 3, 4, 5])],
[(3083, [13, 14, 15])]],
dtype=[('checksum', '<u2'), ('word', 'u1', (3,))])view添加了一个维度，我们需要删除它：
In [335]: _.shape
Out[335]: (2, 1)
In [336]: arr.view(dt).reshape(2)
Out[336]:
array([( 513, [ 3, 4, 5]), (3083, [13, 14, 15])],
dtype=[('checksum', '<u2'), ('word', 'u1', (3,))])并更改u2字段的结尾：
In [337]: dt = np.dtype([('checksum','>u2'), ('word', 'B', (3,))])
In [338]: arr.view(dt).reshape(2)
Out[338]:
array([( 258, [ 3, 4, 5]), (2828, [13, 14, 15])],
dtype=[('checksum', '>u2'), ('word', 'u1', (3,))])https://stackoverflow.com/questions/69546473
复制相似问题
腾讯云开发者
