Python Numpy嵌套结构数组（按引用）

我有以下数据结构：

N=100
TB =     {'names':('n', 'D'),'formats':(int, int)}
TA =     {'names':('id', 'B'),'formats':(int, dtype((TB, (N))))}
a = np.empty(1000, dtype=TA)
b = np.empty(N, dtype=TB)

其中a是一个具有两个字段的结构化数组：“id”和“B”。在“B”中存储另一个具有字段“n”和“D”的结构化数组，例如

for i in range(0,1000):
   a['B'][i] = b

当执行上述分配时，b中的数据被复制到a。有没有办法只复制对b的引用，这样当我更改b时，更改会反映在

a['b'][I]

中？我想要的是在a中存储指向b的指针，因为我不需要创建副本，因为b中的数据对于a的每一行都是相同的

我累了

TA = {'names':('id', 'B'),'formats':(int, object)}

它可以工作，但会破坏数组的嵌套结构。是否有办法保留结构化阵列功能，例如

a['B']['D']

---

谢谢

简短的回答是否定的。尽管

numpy

数组的语法看起来与标准python语法相同，但幕后发生的事情却大不相同。复杂的

numpy

数据类型，如

TA

使用大块连续内存来存储每条记录；记忆必须定期整理，否则一切都会分崩离析

因此，当您使用嵌套数据类型（如

TA

）创建一个1000项数组时，实际上分配了1000个内存块，每个内存块都足以包含

N

distinct

TB

数组。这就是为什么你可以做像

a['B']['D']

这样的事情，或者，指出一点，像这样的事情：

>>> (a['B'][1]['D'] == a['B']['D'][1]).all()
True
>>> a['B'][1]['D'][0] = 123456789
>>> (a['B'][1]['D'] == a['B']['D'][1]).all()
True

对于普通Python对象，上述操作将失败，因为对象项访问顺序很重要。实际上，这在

numpy

中是可能的，这是非常奇怪的，唯一可能的原因是

numpy

使用统一结构的连续内存

据我所知，

numpy

没有提供任何方法来满足您的要求（如果我错了，请有人纠正我！），所需的间接操作可能涉及对

numpy

的API进行重大更改

---

我要补充一点，我认为这样做没有多大意义。如果只需要阵列的一个副本，为什么不将其存储在阵列外部？您甚至可以将它与numpy数组一起传递，作为

元组

或

命名元组

的一部分

是的，您可以打开一个视图。但正如您所描述的，它的工作方式正好相反：

>>> a = np.array([1,2,3,4,5,6])
>>> b = a[2:4].view()
>>> b[0] = 0
>>> b[1] = 0
>>> a
array([1, 2, 0, 0, 5, 6])

---

谢谢你的回复。我没有考虑过访问顺序，现在我明白你的意思了。我也曾考虑过按照您的建议使用namedtuples，但从接口的角度来看，仍然需要一个“纯”的结构化阵列解决方案。经过一些尝试和错误，我将问题分解为以下几个方面：经过一些尝试和错误，我将问题分解为以下几个方面：

A=np.one（10）；AA=np.empty（1，dtype=object）；AA[0]=np.ones（10）

。如果可以使用AA.view（）或AA.astype（）将AA转换为A的type/dtype，那么这将给出解决方案，但到目前为止，我还没有找到一种方法，将视图分配给结构化数组也会复制数据，因此我们的建议不起作用。解决方法是创建一个dtype=object的数组，但是有没有办法将这样一个数组的视图转换/打开为原始的dtype？maryam，视图不会复制数据。它是对内存中数据所在区域的引用，而不是在将数据传递给结构化数组时：

a=np.zeros（1，dtype='int，10int'）；B=np.arange（10）；A['f1']=B.view（）；B*=0；打印B；打印一个比较：
AA=np.zero（1，dtype='int，object'）；B=np.arange（10）；AA['f1'][0]=B；B*=0；打印B；打印AA
现在我正在寻找AA的转换/视图，以类似于