Python 如何分割由numpy.void数字组成的numpy.ndarray？

所以这里的交易是：我有一个变量

x

，它是一个

numpy.ndarray

。这个结构的尺寸是1000。如果我做了

x[0]

，那么我会得到一个

numpy.void

，共4个数字。如果我做了

x[1]

，那么我会得到另一个

numpy.void

，也是4个数字，以此类推

我只想做的是：我想对这个数据结构进行切片，以便提取一个1000x3大小的numpy矩阵

---

我该怎么做？谢谢

听起来你有一个结构化的数组，就像下面这个简单的例子：

In [158]: x = np.ones((5,), dtype='i,i,f,f')
In [159]: x
Out[159]: 
array([(1, 1,  1.,  1.), (1, 1,  1.,  1.), (1, 1,  1.,  1.),
       (1, 1,  1.,  1.), (1, 1,  1.,  1.)], 
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<f4'), ('f3', '<f4')])
In [160]: x[0]
Out[160]: (1, 1,  1.,  1.)
In [161]: type(x[0])
Out[161]: numpy.void

当“列”应该包含不同的内容时，这很方便，例如一个列中包含字符串，另一个列中包含整数。但是，将这样的数组转换为相同数值类型的二维数组可能会很尴尬

view

和

astype

在有限的情况下工作，但是

tolist

是我所知道的最健壮的转换介质

In [179]: x.tolist()
Out[179]: 
[(1, 10, 0.0, 1.0),
 (1, 12, 1.0, 1.0),
 (1, 8, 2.0, 1.0),
 (1, 0, 3.0, 1.0),
 (1, 3, 4.0, 1.0)]
In [180]: np.array(x.tolist())
Out[180]: 
array([[  1.,  10.,   0.,   1.],
       [  1.,  12.,   1.,   1.],
       [  1.,   8.,   2.,   1.],
       [  1.,   0.,   3.,   1.],
       [  1.,   3.,   4.,   1.]])

请注意，结构化数组的

tolist

是元组列表，而2d数组的

tolist

是列表列表。朝这个方向走，差别不重要。相反，差异很重要

---

您是如何生成此数组的？从带有

genfromtxt

的

csv

？作为其他数字包的输出？

Jesus christ。这正是我需要的。非常感谢你！！我没有生成它，而是交给我的。：）我不认为如果我有能力产生它，我会用这种方式把它复杂化。

In [179]: x.tolist()
Out[179]: 
[(1, 10, 0.0, 1.0),
 (1, 12, 1.0, 1.0),
 (1, 8, 2.0, 1.0),
 (1, 0, 3.0, 1.0),
 (1, 3, 4.0, 1.0)]
In [180]: np.array(x.tolist())
Out[180]: 
array([[  1.,  10.,   0.,   1.],
       [  1.,  12.,   1.,   1.],
       [  1.,   8.,   2.,   1.],
       [  1.,   0.,   3.,   1.],
       [  1.,   3.,   4.,   1.]])