Структурированный массив из массива и объекта np.dtype - PullRequest
Новая
       80

Структурированный массив из массива и объекта np.dtype

2 голосов
/ 17 июня 2020

Следующий код создает массив NumPy с объектом dtype: 

dt = np.dtype([
    ("index", np.int32),
    ("timestamp", np.int32),
    ("volume", np.float32)
])

arr = np.array([
    [0, 20, 3],
    [1, 21, 2],
    [2, 23, 8],
    [3, 26, 5],
    [4, 31, 9]
]).astype(dt)

Ожидаемый результат arr будет: 

>>> arr
array([[  0,  20, 334.],
       [  1,  21, 254.],
       [  2,  23, 823.],
       [  3,  26, 521.],
       [  4,  31, 943.]])

>>> arr[0]
array([  0,  20, 334.])

Но что это за код выше на самом деле создает это: 

>>> arr
array([[(  0,   0,   0.), ( 20,  20,  20.), (334, 334, 334.)],
       [(  1,   1,   1.), ( 21,  21,  21.), (254, 254, 254.)],
       [(  2,   2,   2.), ( 23,  23,  23.), (823, 823, 823.)],
       [(  3,   3,   3.), ( 26,  26,  26.), (521, 521, 521.)],
       [(  4,   4,   4.), ( 31,  31,  31.), (943, 943, 943.)]],
      dtype=[('index', '<i4'), ('timestamp', '<i4'), ('volume', '<f4')])

>>> arr[0]
array([(  0,   0,   0.), ( 20,  20,  20.), (334, 334, 334.)],
      dtype=[('index', '<i4'), ('timestamp', '<i4'), ('volume', '<f4')])

Почему NumPy создает версию каждого значения для каждого типа данных вместо сопоставления каждого столбца с его собственным типом данных (и только этим)? Я предполагаю, что я там что-то не так сделал. Есть ли способ достичь того результата, которого я ожидал?

1 Ответ

1 голос
/ 17 июня 2020

Проблема здесь в том, что для создания структурированного массива вам нужен список кортежей. Это упоминается в Создание структурированного типа данных , где говорится, что среди других менее распространенных методов создания массивов входные данные должны быть списком кортежей, по одному кортежу на поле .

Итак, что вы можете сделать, это превратить ваш массив в список кортежей (здесь будет удобно zip) и построить из него структурированный массив, используя np.fromiter и указав dt как dtype: 

np.fromiter(zip(*arr.T), dtype=dt)
array([(0, 20, 3.), (1, 21, 2.), (2, 23, 8.), (3, 26, 5.), (4, 31, 9.)],
      dtype=[('index', '<i4'), ('timestamp', '<i4'), ('volume', '<f4')])

Другой (менее известный) подход, упомянутый @hpaulj в комментариях, использует np.lib.recfunctions.unstructured_to_structured, который можно использовать для прямого построения структурированного массива from arr и объект dtype с: 

np.lib.recfunctions.unstructured_to_structured(a, dt)
array([(0, 20, 3.), (1, 21, 2.), (2, 23, 8.), ..., (2, 23, 8.),
       (3, 26, 5.), (4, 31, 9.)],
      dtype=[('index', '<i4'), ('timestamp', '<i4'), ('volume', '<f4')])

Или на основе этого другого сообщения есть также возможность создать массив записей , подкласс ndarray , очень похожий на структурированный массив с точки зрения использования, который поставляется с несколькими связанными вспомогательными функциями, такими как np.core.records.fromarrays, которые можно использовать для создания массива простым способом: 

np.core.records.fromarrays(arr.T, 
                           names='index, timestamp, volume', 
                           formats = '<i4, <i4, <f4')
rec.array([(0, 20, 3.), (1, 21, 2.), (2, 23, 8.), (3, 26, 5.),
           (4, 31, 9.)],
          dtype=[('index', '<i4'), ('timestamp', '<i4'), ('volume', '<f4')])

О r, чтобы создать его из объекта np.dtype: 

names, dtypes = list(zip(*dt.descr))
np.core.records.fromarrays(arr.transpose(), 
                           names= ', '.join(names), 
                           formats = ', '.join(dtypes))

Сроки, сравнивающие упомянутые методы, и некоторые другие возможные подходы: 

a = np.concatenate([arr]*1000, axis=0)

%%timeit 
np.core.records.fromarrays(a.T, 
                           names='index, timestamp, volume', 
                           formats = '<i4, <i4, <f4')
# 57.9 µs ± 1.18 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit np.lib.recfunctions.unstructured_to_structured(a, dt)
# 79.6 µs ± 1.32 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit np.fromiter(zip(*a.T), dtype=dt)
#2.1 ms ± 69.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit np.fromiter(map(tuple, a), dtype=dt)
#6.34 ms ± 65.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit np.array(list(zip(*a.T)), dtype=dt)
# 2.17 ms ± 107 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
...