Как получить копию выбора структурированного массива

Question

У меня есть структурированный массив со смешанными типами:

dt = np.dtype([('x', np.float64), ('y', np.float64), ('n', np.uint32)])
arr = np.empty(10, dtype=dt)

Начиная с numpy 1.16 или около того, если я смотрю x и y, я получаю представление:

>>> sub = arr[['x', 'y']]
>>> sub
array([(6.23042070e-307, 4.67296746e-307),
       (1.15710088e-306, 1.60221615e-306),
       (1.95821574e-306, 6.23062102e-307),
       (1.78019082e-306, 1.37959740e-306),
       (1.37959129e-306, 1.33511562e-306),
       (1.33511018e-306, 1.33511969e-306),
       (1.11261027e-306, 1.11261502e-306),
       (8.45593934e-307, 9.34600963e-307),
       (6.23038336e-307, 1.29061142e-306),
       (2.22522596e-306, 2.22522596e-306)],
      dtype={'names':['x','y'], 'formats':['<f8','<f8'], 'offsets':[0,8], 'itemsize':20})

Это проблема, потому что я хотел бы иметь возможность преобразовать подмножество sub в (10, 2) представление полей x и y.

Я не могу просто используйте sub.view(dtype=np.float64). Это вызывает ошибку

ValueError: When changing to a smaller dtype, its size must be a divisor of the size of original dtype

Я могу использовать np.lib.stride_tricks.as_strided, но это глупо и проблематично c, потому что это работает только тогда, когда я хочу два поля (или, альтернативно, любое количество полей с равным интервалом):

>>> shape = sub.shape + (2,)
>>> strides = (sub.dtype.itemsize,
           np.diff([x[1] for x in sub.dtype.fields.values()]).item())
>>> np.lib.stride_tricks.as_strided(sub, shape=shape, strides=strides)['x']
array([[6.23042070e-307, 4.67296746e-307],
       [1.15710088e-306, 1.60221615e-306],
       [1.95821574e-306, 6.23062102e-307],
       [1.78019082e-306, 1.37959740e-306],
       [1.37959129e-306, 1.33511562e-306],
       [1.33511018e-306, 1.33511969e-306],
       [1.11261027e-306, 1.11261502e-306],
       [8.45593934e-307, 9.34600963e-307],
       [6.23038336e-307, 1.29061142e-306],
       [2.22522596e-306, 2.22522596e-306]])

Если бы sub была копией, то я мог бы просто просмотреть ее как массив (10, 2) с плавающей точкой. Как я могу просмотреть выбранные поля как такой массив, скопировав выделение или любым другим способом?

Answer 1

repack_fields соответствует изменению в многопользовательском представлении:

In [135]: dt = np.dtype([('x', np.float64), ('y', np.float64), ('n', np.uint32)]) 
     ...: arr = np.empty(3, dtype=dt)                                                                  
In [136]: sub = arr[['x','y']]                                                                         
In [137]: import numpy.lib.recfunctions as rf                                                          
In [138]: rf.repack_fields(sub)                                                                        
Out[138]: 
array([(4.04359530e-316, 4.04349886e-316),
       (0.00000000e+000, 0.00000000e+000),
       (4.04355735e-316, 0.00000000e+000)],
      dtype=[('x', '<f8'), ('y', '<f8')])
In [139]: sub                                                                                          
Out[139]: 
array([(4.04359530e-316, 4.04349886e-316),
       (0.00000000e+000, 0.00000000e+000),
       (4.04355735e-316, 0.00000000e+000)],
      dtype={'names':['x','y'], 'formats':['<f8','<f8'], 'offsets':[0,8], 'itemsize':20})

Это копия, а не представление.

И для (n, 2) копии:

In [140]: rf.structured_to_unstructured(sub)                                                           
Out[140]: 
array([[4.04359530e-316, 4.04349886e-316],
       [0.00000000e+000, 0.00000000e+000],
       [4.04355735e-316, 0.00000000e+000]])
In [141]: rf.structured_to_unstructured(rf.repack_fields(sub))                                         
Out[141]: 
array([[4.04359530e-316, 4.04349886e-316],
       [0.00000000e+000, 0.00000000e+000],
       [4.04355735e-316, 0.00000000e+000]])