带有 NumPy 和对象引用的 Python 3答案

【问题标题】：Python 3 with NumPy and object references带有 NumPy 和对象引用的 Python 3
【发布时间】：2011-11-19 09:28:55
【问题描述】：

我需要创建一个大型矩阵（数组）结构（3 轴），并且每个元素都应该存储对 Python 对象（myclass 实例）的引用。是否可以使用 numpy 创建这样的数组。我应该使用哪种数据类型来存储 Python 引用？ numpy 的优点是支持不同层次的切片。另一种方法是创建一个嵌套（嵌套）列表，但它是一个繁琐的解决方案。

【问题讨论】：

标签： python arrays numpy

【解决方案1】：

使用dtype=object 将 Python 对象存储在数组中。

import numpy as np

class Foo: pass

arr=np.empty(2,dtype=object)
arr[:]=[Foo(),Foo()]
print(arr)
# [<__main__.Foo instance at 0xb7827d0c>
#  <__main__.Foo instance at 0xb748b5ac>]

print(arr.dtype)
# object

【讨论】：

如果你好奇，你可以检查一下 NumPy 只是将指针存储在 dtype 数组中的对象object:x = object(); a = np.array([x, x]); print (id(x), id(x)) == struct.unpack('2L',ctypes.string_at(a.ctypes.data, 8))（32 位 Python）。
@eryksun：您可以简单地将ctypes.string_at(a.ctypes.data, 8) 替换为更简单、更通用的a.tostring()。
@eryksun: +1'd your cmets: ctypes.string_at() 确实是一个有趣的功能。 :)

【解决方案2】：

只需将object 作为 dtype，您就可以存储任何您想要的内容。

import numpy

print numpy.array([['a', (2, 2)], [1, 2+3j], [open, xrange(7)]], dtype=object)

任何无法识别的类型都会以这种方式工作，因此您可能希望使用myclass 而不是object。 object 只是明确表示您将存储任意对象而无需任何 numpy 优化。请参阅the docs 了解更多信息。

【讨论】：

【解决方案3】：

您不必做任何特别的事情：开箱即用：

>>> import numpy
>>> class TheClass(object):
...     pass
... 
>>> numpy.array([TheClass(), TheClass()])

array([<__main__.TheClass object at 0x10d435a50>,
       <__main__.TheClass object at 0x10d435a90>], dtype=object)

NumPy 自动检测数组对象不是其标准标量类型之一（float、int 等），并通过自动将 dtype 设置为 object 来处理此问题。

【讨论】：