Python 是否将多个记录重新分配给记录数组？

我想对记录数组的某些列应用转换，并重新分配这些值。这样做的标准方法是什么

List = [['a',.3,.3],
        ['b',-.5,.4]]

Arr = np.rec.fromrecords(List,names=['id','var1','var2'])

我想对一些变量进行一些缩放。我举个例子，但一般来说，缩放可能比减法更复杂

scale = lambda x: x - x.mean(0)

这行不通

Arr[['var1','var2']].mean(0)
TypeError: cannot perform reduce with flexible type

因此，我必须首先转换为非结构化数组，然后如何重新分配回记录数组？我打圈吗

Unstr = Arr[['var1','var2']].view('float').reshape(len(Arr),-1)

Arr[['var1','var2']] = scale(Unstr)

IndexError: unsupported iterator index

---

为什么不一个一个地缩放变量呢

In [13]: %paste
import numpy as np

List = [['a',.3,.3],
        ['b',-.5,.4]]

scale = lambda x: x - x.mean()
Arr = np.rec.fromrecords(List,names=['id','var1','var2'])

vars_to_scale = ['var1', 'var2']
for var in vars_to_scale:
    Arr[var] = scale(Arr[var])
print Arr
## -- End pasted text --
[('a', 0.4, -0.04999999999999999) ('b', -0.4, 0.050000000000000044)]

---

蟒蛇的好绰号：-）谢谢！是的，刺拳是针对蟒蛇的……；）对，所以这就是必须要做的。。。用线圈？这是显而易见的方法，但我认为

numpy

的级别足够高，可以让我避免这种构造（否则它在

fortran

/

C

？）上没有太大价值）。好吧，使用

numpy.ndarray

提供了足够高的级别，可以同时击败

fortran

和

C

。但是，好吧，

numpy.recarray

是由几个数组组成的结构。可以将多个数组视为一个数组，但不能同时使用多个数组，尤其是不能将数组序列分配给一个数组。Python的禅宗也教导我们显式优于隐式，还有什么比循环更显式呢来自R，我讨厌循环，但知道一个重新排列是由几个重新排列组成的，这有助于我接受在这种情况下循环是不可避免的。