python numpy数组/dict多重继承

Question

我想知道是否有一种简单的方法可以创建一个类来处理 numpy 数字数组的整数和关键字索引。

最终目标是拥有一个 numpy 数组，我还可以使用每个变量的名称对其进行索引。 例如，如果我有列表

import numpy as np
a = [0,1,2,3,4]
names = ['name0','name1','name2','name3','name4']
A = np.array(a)

我希望能够通过调用（例如）A['name1'] 轻松获取 A 的值，但让数组保留 numpy 数组的所有功能。

谢谢！

彼得

编辑：

非常感谢您的帮助，我会尽量明确预期用途！我有一组现有的代码，它使用 numpy 数组来存储和应用变量向量。我的向量有大约 30 个条目。

当我想查看特定变量的值时，或者当我想对其中一个变量进行更改时，我必须记住哪个条目对应于哪个变量（条目的顺序或数量不一定会改变一旦创建了数组）。现在我用字典来跟踪。例如，我有一个具有 30 个值的 numpy 数组“VarVector”。 “vmax”是条目 15，值为 0.432。然后我将有一个包含 30 个键 'VarDict' 的并发字典，这样 VarDict[entry] = index.这样我可以通过链接调用找到 vmax 的值

VarVector[VarDict["vmax"]]

这将返回 0.432

我想知道是否有一种简单地组合这两个结构的好方法，这样 VarVector[15]（为了兼容性）和 VarVector["vmax"]（为了方便我）都会指向同一个数字.

谢谢！ 彼得

Answer 1

根据您的描述，听起来您只想要一个structured array（numpy 内置）。例如

# Let's suppose we have 30 observations with 5 variables each...
# The five variables are temp, pressure, x-velocity, y-velocity, and z-velocity
x = np.random.random((30, 5))

# Make a structured dtype to represent our variables...
dtype=dict(names=['temp', 'pressure', 'x_vel', 'y_vel', 'z_vel'],
           formats=5 * [np.float])

# Now view "x" as a structured array with the dtype we created...
data = x.view(dtype)

# Each measurement will now have the name fields we created...
print data[0]
print data[0]['temp']

# If we want, say, all the "temp" measurements:
print data['temp']

# Or all of the "temp" and "x_vel" measurements:
print data[['temp', 'x_vel']]

还可以查看rec arrays。它们稍微灵活一些，但速度要慢得多。

data = np.rec.fromarrays(*x, 
              names=['temp', 'pressure', 'x_vel', 'y_vel', 'z_vel'])
print data.temp

但是，您很快就会遇到这两种方法的限制（即您可以命名两个轴）。在这种情况下，如果您只想标记项目，请查看larry，或者如果您想要具有大量缺失值处理的标记数组，请查看pandas。

Answer 2

您可以继承 ndarray 并覆盖相关方法（即__getitem__、__setitem__、...）。 More info here。这类似于@Joe 的答案，但它的优点是它几乎保留了 ndarray 的所有功能。你显然不能再做以下事情了：

In [25]: array = np.empty(3, dtype=[('char', '|S1'), ('int', np.int)])

In [26]: array['int'] = [0, 1, 2]

In [27]: array['char'] = ['a', 'b', 'c']

In [28]: array
Out[28]: 
array([('a', 0), ('b', 1), ('c', 2)], 
      dtype=[('char', '|S1'), ('int', '<i8')])

In [29]: array['char']
Out[29]: 
array(['a', 'b', 'c'], 
      dtype='|S1')

In [30]: array['int']
Out[30]: array([0, 1, 2])

如果我们知道您为什么要这样做，我们也许可以给出更详细的答案。

Answer 3

我没有对此进行测试，但它应该可以工作。

我们的想法是假设输入是一个 int 并将其用于 numpy 数组，如果不是，则将其用于 dict。

import numbers
import numpy

class ThingArray:
    def __init__(self):
        self.numpy_array = numpy.array()
        self.other_array = dict()

    def __setitem__(self, key, value):
        if isinstance(key, numbers.Integral):
            self.numpy_array[key] = value
        else:
            self.other_array[key] = value

    def __getitem__(self, key):
        if isinstance(key, numbers.Integral):
            return self.numpy_array[key]
        else:
            return self.other_array[key]


thing = ThingArray()

thing[1] = 100
thing["one"] = "hundred"        

print thing[1]
print thing["one"]