Python 如何向numpy数组添加名称而不更改其维度？

我有一个现有的两列numpy数组，需要向其中添加列名。通过

dtype

传递这些信息在下面块1所示的玩具示例中起作用。但是，对于我的实际阵列，如图2所示，同样的方法会产生一个意想不到的副作用（对我来说！），即更改阵列维度

如何将实际数组（下面第二个块中名为

Y

的数组）转换为具有命名列的数组，就像我在第一个块中对数组

A

所做的那样

块1:（

A

的列命名时未重新调整尺寸）

---

尝试重新编写X的定义：

X = np.array(zip(ID, RING))

---

然后，您不需要定义Y=X.t

您完全确定

A

和

Y

的输出吗？我使用Python2.7.6和Numpy1.8.1得到了一些不同的东西

我的

A

的初始输出与您的相同。在为第一个示例运行以下代码之后

dt = {'names':['ID', 'Ring'], 'formats':[np.int32, np.int32]}
A.dtype=dt

数组

A

的内容实际上是

array([[(1, 0), (3, 0)],
   [(2, 0), (2, 0)],
   [(3, 0), (2, 0)],
   [(4, 0), (1, 0)],
   [(5, 0), (1, 0)],
   [(6, 0), (1, 0)]], 
  dtype=[('ID', '<i4'), ('Ring', '<i4')])

使用这段短代码，数组

B

变为

array([(1, 2), (3, 4), (50, 100)], 
  dtype=[('ID', '<i4'), ('Ring', '<i4')])

对于第二个示例，要使Y成为结构化数组，需要做类似的事情：

Y = np.array(list(map(tuple, X.T)), dtype=dt)

在对第二个示例执行此操作之后，数组Y如下所示

array([(1, 3), (2, 2), (3, 2), (4, 1), (5, 1), (6, 1)], 
  dtype=[('ID', '<i4'), ('Ring', '<i4')])

数组（[（1,3）、（2,2）、（3,2）、（4,1）、（5,1）、（6,1）]，
dtype=[（'ID'，'首先，因为你的问题是关于给数组命名，我觉得有义务指出使用“结构化数组”出于命名的目的，命名可能不是最好的方法。在处理表时，我们通常喜欢给行/列命名，如果是这种情况，我建议您尝试类似的方法。如果您只是想在代码中组织一些数据，数组字典通常比结构化数组好得多，因此对于您可以做到：

Y = {'ID':X[0], 'Ring':X[1]}

因此，如果您想使用结构化数组，我认为以下是最清晰的方法：

import numpy as np

nRings = 3
nn = [[nRings+1-n] * n for n in range(nRings+1)]
RING = reduce(lambda x, y: x+y, nn)
ID = range(1,len(RING)+1)
X = np.array([ID, RING])

dt = {'names':['ID', 'Ring'], 'formats':[np.int, np.int]}
Y = np.zeros(len(RING), dtype=dt)
Y['ID'] = X[0]
Y['Ring'] = X[1]

这是因为Y不是C_连续的，您可以通过
Y.flags
检查它：

  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

您可以先调用
Y.copy（）
或
Y.ravel（）
：

dt = {'names':['ID', 'Ring'], 'formats':[np.int32, np.int32]}
print Y.ravel().view(dt) # the result shape is (6, )
print Y.copy().view(dt)  # the result shape is (6, 1)


另一个页面包含一个很好的解决方案，可以将名称添加到可以用作列的数组中
例如：

是的，我对这个输出很确定。我刚刚通过在一个新的Python会话中重新运行（Windows 7 64位笔记本电脑上的2.7.6 | Anaconda 1.9.2（32位）和numpy 1.8.0）来确认了这一点。谢谢你剩下的回答，作为一个Python新手，我需要一段时间来消化。不过有两个问题。（1）对于
B
，看起来我想做
B.resforme（len（B），1）
来获得一个两列数组，对吗？（2）我如何以脚本的方式“为我的第二个示例做[]类似的事情”（因为真正的数组将有1000多个元素，我将无法像您在最后的代码块中那样写出数组）@JoshO'Brien，这是关键，32位。您使用的块A只起作用，因为您使用的是32位版本的python/numpy。一般来说，更改数组的数据类型可能是个坏主意，正如我们在这里看到的，在不同的系统上会产生不同的结果。@BiRico谢谢。尽管
A.dtype
（从手动分配到数组之前）返回
dtype（'int32'）
？那么，我应该如何为数组分配名称而不为
格式指定一些值，或者应该为其分配一些不同的格式？（FTR，我肯定是我遗漏了一些东西，但我确实怀疑位和格式是关键，这就是为什么我首先检查
A.dtype
…）的值的原因）@JoshO'Brien关于将
B
转换为2D数组的方法你是对的。为了回答你的第二个问题，我更新了我的答案。这看起来很奇怪。运行
Z=np.array（zip（ID，RING））
然后运行
numpy.array_equiv（Y，Z）
（带
Y=X.T
）产生
'True'
。因此
Y
和
Z
看起来相同（并显示
dtype
的等效值）但是当我做了
Z.dtype=dt
，我得到了我想要的数组，而
Y.dtype=dt
仍然给了我我没有的数组。你知道为什么吗？太好了。特别是作为一个R用户，熊猫看起来很棒，但我无法将其用于此应用程序。（我需要Python代码在arcpy脚本中执行一些操作，作为ArcGIS工具箱分发给用户，这些用户只能使用ArcGIS安装程序提供给他们的Python安装。它包括numpy，但不包括pandas，这就是为什么我的背后绑着一只手（至少！））因此，特别感谢您提供了一个纯numpy解决方案。一旦有机会，我将检查它如何与我的其余代码配合。FWIW，上面的“代码示例”显示了我为什么特别需要numpy“结构化数组”。是否还需要中间创建
X=np.array（[ID，RING]）
？看起来像是在做
Y['ID']=ID
与
Y['ID']=X[0]具有相同的效果
，对吗？@JoshO'Brien，你说得对。我只是假设你的数据是从一个数组开始的，比如
X
，但是如果你把它作为
ID
和
RING
，就没有必要创建
X
@BiRico，我意识到这是一个老问题，但是你为什么要避免使用numpy结构化数组来引用co呢用一个特定的名字命名lumns？很吸引人。我不能说我完全理解为什么它会有不同，但我现在明白了。另外，记录在案，它看起来像
np.requires（Y，requirements=['C']）
做+/-与
Y.copy（）相同的事情
，在不改变数组维数的情况下转换为C_连续存储。我的想法正确吗？这可能是我了解F_连续转置数组
Y
在通过t
Y = {'ID':X[0], 'Ring':X[1]}

import numpy as np

nRings = 3
nn = [[nRings+1-n] * n for n in range(nRings+1)]
RING = reduce(lambda x, y: x+y, nn)
ID = range(1,len(RING)+1)
X = np.array([ID, RING])

dt = {'names':['ID', 'Ring'], 'formats':[np.int, np.int]}
Y = np.zeros(len(RING), dtype=dt)
Y['ID'] = X[0]
Y['Ring'] = X[1]

  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

dt = {'names':['ID', 'Ring'], 'formats':[np.int32, np.int32]}
print Y.ravel().view(dt) # the result shape is (6, )
print Y.copy().view(dt)  # the result shape is (6, 1)

r = np.core.records.fromarrays([x1,x2,x3],names='a,b,c')
# x1, x2, x3 are flatten array
# a,b,c are field name