实例化自定义结构化 dtype 的标量答案

【问题标题】：Instantiate scalar of custom structured dtype实例化自定义结构化 dtype 的标量
【发布时间】：2020-12-30 11:48:52
【问题描述】：

我已经定义了一个自定义 dtype。例如：

vec = np.dtype([('x', float), ('y', float), ('z', float)])
quat = np.dtype([('w', float), ('v', vec)])

现在我想做一个标量四元数：

quat((1.0, (0.0, 0.0, 0.0)))

我希望如果有的话，我的元组语法是不可接受的。但是，相反，我收到以下错误：

TypeError: 'numpy.dtype' object is not callable

documentation on scalars 中的 relevant portion 意味着可以在 numpy 中构建这样的结构化类型的标量。

如何实例化quat 标量？有可能吗？

顺便说一句，我使用了以下解决方法：

np.array([(1.0, (0.0, 0.0, 0.0))], dtype=quat)

这不会产生实际的标量（尽管老实说它对于我的目的来说已经足够好了，这使得这个问题主要是理论上的）。对结果调用 item 会返回 tuple，而不是标量 quat 对象。

【问题讨论】：

虽然int 和np.float32 可以同时作为dtype 和函数来创建一个numpy 标量，但我不认为np.dtype 实例可以做到这一点。它没有__call__ 方法（检查一下）。
复合数据类型创建一个np.void 对象。（或recarraynp.record）
@hpaulj。我完全同意。但是文档中似乎隐含了 some 方式。我想如果有人知道，那就是你，Divakar 左右。
@hpaulj。所以我试着做quat.type(pack('dddd', 1.0, 0.0, 0.0, 0.0))。这可能是朝着正确方向迈出的一步，但其原始形式并不完全有帮助
@hpaulj。明白了：quat.type(pack('dddd', 1.0, 0.0, 0.0, 0.0)).view(quat)

标签： python numpy scalar

【解决方案1】：

这是基于 cmets 中的讨论。这比它需要的更痛苦，因为自定义标量的用例不太可能使用 1 元素数组更方便地解决。

quat 的类型是np.void：

>>> quat.type
numpy.void

由于这是自定义类型的通用包罗万象，因此必须使用类似字节的对象对其进行实例化：

>>> from struct import pack
>>> q = quat.type(pack('dddd', 1.0, 0.0, 0.0, 0.0))
>>> q
void(b'\x00\x00\x00\x00\x00\x00\xF0\x3F\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00')

当然，既然它是一个通用的包罗万象，你需要告诉它如何解释自己。幸运的是，标量也有一个view 方法：

>>> q = q.view(quat)
>>> q
(1., (0., 0., 0.))
>>> q.dtype
dtype([('w', '<f8'), ('v', [('x', '<f8'), ('y', '<f8'), ('z', '<f8')])])

TL;DR

q = np.void(pack('dddd', 1.0, 0.0, 0.0, 0.0)).view(quat)

【讨论】：

【解决方案2】：

在您的数组上调用 item 会生成一个元组，因为 item 专门用于将 NumPy 类型转换为 Python 类型。对数组进行索引会生成 numpy.void 类型的 NumPy 标量：

scalar = np.array([(1.0, (0.0, 0.0, 0.0))], dtype=quat)[0]

【讨论】：

这确实比我的版本干净得多。谢谢。