Python Numpy：加入结构化阵列？ 输入

我在下面的例子中列出了很多：

import numpy

a1 = numpy.array([(1, 2), (3, 4), (5, 6)], dtype=[('x', int), ('y', int)])

a2 = numpy.array([(7,10), (8,11), (9,12)], dtype=[('z', int), ('w', float)])

arrays = [a1, a2]

期望输出 将它们连接在一起以创建如下统一的结构化阵列的正确方法是什么

desired_result = numpy.array([(1, 2, 7, 10), (3, 4, 8, 11), (5, 6, 9, 12)],
                             dtype=[('x', int), ('y', int), ('z', int), ('w', float)])

当前方法 这是我目前正在使用的，但速度非常慢，所以我怀疑一定有更有效的方法

from numpy.lib.recfunctions import append_fields

def join_struct_arrays(arrays):
    for array in arrays:
        try:
            result = append_fields(result, array.dtype.names, [array[name] for name in array.dtype.names], usemask=False)
        except NameError:
            result = array

    return result

---

这是一个应该更快的实现。它将所有内容转换为

numpy.uint8

数组，并且不使用任何临时变量

def join_struct_arrays(arrays):
    sizes = numpy.array([a.itemsize for a in arrays])
    offsets = numpy.r_[0, sizes.cumsum()]
    n = len(arrays[0])
    joint = numpy.empty((n, offsets[-1]), dtype=numpy.uint8)
    for a, size, offset in zip(arrays, sizes, offsets):
        joint[:,offset:offset+size] = a.view(numpy.uint8).reshape(n,size)
    dtype = sum((a.dtype.descr for a in arrays), [])
    return joint.ravel().view(dtype)

---

编辑：简化了代码并避免了不必要的

（

您还可以使用

numpy.lib.recfunctions的
合并数组
：

import numpy.lib.recfunctions as rfn
rfn.merge_arrays(arrays, flatten = True, usemask = False)

Out[52]: 
array([(1, 2, 7, 10.0), (3, 4, 8, 11.0), (5, 6, 9, 12.0)], 
     dtype=[('x', '<i4'), ('y', '<i4'), ('z', '<i4'), ('w', '<f8')])

导入numpy.lib.rec函数作为rfn
合并数组（数组，展平=真，使用掩码=假）
出[52]：
数组（[（1,2,7,10.0），（3,4,8,11.0），（5,6,9,12.0）]，
dtype=[（'x'，'还有另一种方式，可读性更强，速度更快，我认为：

def join_struct_arrays(arrays):
    newdtype = []
    for a in arrays:
        descr = []
        for field in a.dtype.names:
            (typ, _) = a.dtype.fields[field]
            descr.append((field, typ))
        newdtype.extend(tuple(descr))
    newrecarray = np.zeros(len(arrays[0]), dtype = newdtype)
    for a in arrays:
        for name in a.dtype.names:
            newrecarray[name] = a[name]
    return newrecarray

编辑：根据Sven的建议，它会变得（稍微慢一点，但实际上可读性很好）：

这比我的原始解决方案更具可读性，速度快1.32倍。谢谢！这比我的原始解决方案快166倍。我自己永远也不会想到这一点。谢谢！@Jon Eric:我简化了一点代码（并将
一步登天（）
）。我希望这不会影响性能。也一定要看一看。@Jon Eric:你是说它快了166倍，而不是1.66倍吗？我只是想确认一下。@Hans是的，快了166倍。（当我最初测量时。）@Hans这是一种相当低级的方法，基本上只是将旧数组复制为内存块，完全忽略它们的结构。很明显，为什么可以很快完成这项工作，但要理解为什么原始解决方案如此缓慢，您需要分析代码。可能有很多原因，包括您提到的原因。很好，+1！两个建议：1.使用
numpy.empty（）
而不是
numpy.zeros（）
--无需初始化数据。2.用我的代码的最后一行替换前七行。谢谢！这确实简化了代码。但另一方面，我在IPython中使用%timeit对其进行了测试，用最后一行替换这七行，速度慢了两倍。我还将其与您的so进行了比较但是，我猜想当数组中元素的数量增加时，你的解决方案会变得更好。为了得到有意义的时间，你需要使用大数组。我希望你的解决方案至少在性能方面与我的一致。注意使用<代码>。>empty（）
而不是
zeros（）
应该会加快速度。我认为使用
dtype.descr
是错误的。根据：>警告：此属性专为符合PEP3118而存在，并且不是与np.dtype兼容的数据类型描述。
def join_struct_arrays2(arrays):
    newdtype = sum((a.dtype.descr for a in arrays), [])
    newrecarray = np.empty(len(arrays[0]), dtype = newdtype)
    for a in arrays:
        for name in a.dtype.names:
            newrecarray[name] = a[name]
    return newrecarray