将 numpy recarray 复制到 ndarray

Question

我有一个过程需要将数据从 numpy recarray 提取到 ndarray，然后我在其中进行一些向量数学运算。 （recarray 来自 pytables table.read() 函数。）我想将数学输出（另一个 ndarray）映射回原始recarray 中的相同字段/列。我找到了一种逐列进行的方法。寻找一种更好的方法来来回处理数据。我的代码：

node_eigen_array = eigenvb_table.read_coordinates(node_rows)
node_eigen_array.shape[0]
10
node_eigen_array.dtype
dtype([('ID', '<i8'), ('X', '<f8'), ('Y', '<f8'), ('Z', '<f8'),  ('FREQ', '<i8')])
resvec_array[:,0]=node_eigen_array['X']
resvec_array[:,1]=node_eigen_array['Y']
resvec_array[:,2]=node_eigen_array['Z']

# do some stuff that returns ndarray c_dot...

node_eigen_array['X']=cdot[:,0]
node_eigen_array['Y']=cdot[:,1]
node_eigen_array['Z']=cdot[:,2]

我试过这个跳过第一个recarray到ndarray：

resvec_array=node_eigen_array[['X','Y','Z']].view('float64').reshape((10,3))

numpy 抱怨：

This code may break in numpy 1.13 because this will return a view instead of a copy -- see release notes for details.

另外，寻找可以将ndarray数据简化回recarray的东西。 谢谢。

Answer 1

这是未来的警告，而不是错误。更改已推迟到 1.16。它与多字段索引有关，您的 [['X','Y','Z']] 步骤。

In [56]: dt = np.dtype([('ID', '<i8'), ('X', '<f8'), ('Y', '<f8'), ('Z', '<f8'), ('FREQ', '<i8')])
In [57]: arr = np.ones(3, dtype=dt)
In [58]: arr       # a structured array, recarray is just variation
Out[58]: 
array([(1, 1., 1., 1., 1), (1, 1., 1., 1., 1), (1, 1., 1., 1., 1)],
      dtype=[('ID', '<i8'), ('X', '<f8'), ('Y', '<f8'), ('Z', '<f8'), ('FREQ', '<i8')])

仅查看字段时会很安静：

In [59]: arr[['X','Y','Z']]
Out[59]: 
array([(1., 1., 1.), (1., 1., 1.), (1., 1., 1.)],
      dtype=[('X', '<f8'), ('Y', '<f8'), ('Z', '<f8')])

但是当您尝试对它们做某事时，它会警告更改。请注意，它仍然会执行此操作。

In [60]: arr[['X','Y','Z']].view('float64')
/usr/local/bin/ipython3:1: FutureWarning: Numpy has detected that you may be viewing or writing to an array returned by selecting multiple fields in a structured array. 

This code may break in numpy 1.16 because this will return a view instead of a copy -- see release notes for details.
  #!/usr/bin/python3
Out[60]: array([1., 1., 1., 1., 1., 1., 1., 1., 1.])

消除警告的一种方法是在索引后添加copy()：

In [62]: arr[['X','Y','Z']].copy().view('float64')
Out[62]: array([1., 1., 1., 1., 1., 1., 1., 1., 1.])

目前此view 更改有效。但是在计划的更改中，arr[['X','Y','Z']] 的数据布局会有所不同，view 将不起作用。有一些关于抵消的复杂业务。