pythonnumpyrecarray：可以使用指针算法获得不同字段的视图吗？

我有一个numpy结构化数组，其形式如下：

x = np.array([(1,2,3)]*2, [('t', np.int16), ('x', np.int8), ('y', np.int8)])

现在我想在这个数组中生成视图，将

't'

与

'x'

或

'y'

组合在一起。通常的语法会创建一个副本：

v_copy = x[['t', 'y']]
v_copy
#array([(1, 3), (1, 3)], 
#     dtype=[('t', '<i2'), ('y', '|i1')])

v_copy.base is None
#True

我们可以找出必要的步骤：

v = np.recarray((2,2), [('b', np.int8)], buf=x, strides=(4,3))
v
#rec.array([[(1,), (3,)],
#    [(1,), (3,)]], 
#    dtype=[('b', '|i1')])
v.base is x
#True

显然，

v

指向内存中的正确位置，而没有创建副本。不幸的是，numpy不允许我将这些内存位置重新解释为原始数据类型：

v_view = v.view([('t', np.int16), ('y', np.int8)])
#ValueError: new type not compatible with array.

---

有没有办法欺骗numpy执行此强制转换，以便创建一个与

v_copy

等效的数组

v_view

，但不创建副本？可能直接在

v.\uuuu数组\u接口\uuuuuuuuuuuuuuuuuuuuuuuuuu上工作，就像在
np.lib.stride\u技巧中所做的那样。
您可以这样构造一个合适的数据类型

dt2 = np.dtype(dict(names=('t', 'x'), formats=(np.int16, np.int8), offsets=(0, 2)))

然后呢

y = np.recarray(x.shape, buf=x, strides=x.strides, dtype=dt2)

在未来的Numpy版本（>1.6）中，您也可以这样做

dt2 = np.dtype(dict(names=('t', 'x'), formats=(np.int16, np.int8), offsets=(0, 2), itemsize=4))
y = x.view(dt2)

这适用于numpy 1.6.x，并避免创建
重新排列
：

dt2 = {'t': (np.int16, 0), 'y': (np.int8, 3)}
v_view = np.ndarray(x.shape, dtype=dt2, buffer=x, strides=x.strides)
v_view
#array([(1, 3), (1, 3)], 
#    dtype=[('t', '<i2'), ('', '|V1'), ('y', '|i1')])
v_view.base is x
#True

class arrayview(np.ndarray):
    def __new__(subtype, x, fields):
        dtype = {f: x.dtype.fields[f] for f in fields}
        return np.ndarray.__new__(subtype, x.shape, dtype,
                                  buffer=x, strides=x.strides)

v_view = arrayview(x, ('t', 'y'))
v_view
#arrayview([(1, 3), (1, 3)], 
#    dtype=[('t', '<i2'), ('', '|V1'), ('y', '|i1')])
v_view.base is x
#True

伟大的因此，我忽略了数据类型可以用偏移量定义。。。您的第一个版本带有
np.recarray
可用于
['t'，'x']
和
['t'，'y']
视图。第二种（更优雅的）方法适用于偏移量=（0,3）
（
['t'，'y']
），但不适用于偏移量=（0,2）

（

['t'，'x']

）。我专门从numpy 1.6.1升级到1.6.2，但没有效果。你知道为什么

offsets=（0,2）

案例对我不起作用吗？

itemsize

关键字是在Numpy>1.6（即当前的开发版本）中添加的，因此在1.6.2中，你会得到一个itemsize与数组大小不兼容的数据类型。谢谢！我用NUMPY1.8dev测试了这个，它可以正常工作。但是，我还没有准备好切换到开发版本，因为它需要重新编译所有模块。所以我做了更多的研究，发现使用

np.ndarray

构造函数也可以达到同样的效果。我将此作为单独的答案发布。

class arrayview(np.ndarray):
    def __new__(subtype, x, fields):
        dtype = {f: x.dtype.fields[f] for f in fields}
        return np.ndarray.__new__(subtype, x.shape, dtype,
                                  buffer=x, strides=x.strides)

v_view = arrayview(x, ('t', 'y'))
v_view
#arrayview([(1, 3), (1, 3)], 
#    dtype=[('t', '<i2'), ('', '|V1'), ('y', '|i1')])
v_view.base is x
#True