我有一个以下形式的 numpy 结构化数组:
x = np.array([(1,2,3)]*2, [('t', np.int16), ('x', np.int8), ('y', np.int8)])
我现在想生成此数组的 View ，将 ' 与 'x' 或 'y' 组合在一起。通常的语法创建一个副本:
v_copy = x[['t', 'y']]
v_copy
#array([(1, 3), (1, 3)],
# dtype=[('t', '<i2'), ('y', '|i1')])
v_copy.base is None
#True
这并不意外，因为选择两个字段是“花哨的索引”，此时 numpy 放弃并制作副本。由于我的实际记录很大，所以我想不惜一切代价避免复制。
在 numpy 的跨步内存模型中无法访问所需的元素根本不是真的。查看内存中的各个字节:
x.view(np.int8)
#array([1, 0, 2, 3, 1, 0, 2, 3], dtype=int8)
可以找出必要的步骤:
v = np.recarray((2,2), [('b', np.int8)], buf=x, strides=(4,3))
v
#rec.array([[(1,), (3,)],
# [(1,), (3,)]],
# dtype=[('b', '|i1')])
v.base is x
#True
显然，v 指向内存中的正确位置，而无需创建副本。不幸的是，numpy 不允许我将这些内存位置重新解释为原始数据类型:
v_view = v.view([('t', np.int16), ('y', np.int8)])
#ValueError: new type not compatible with array.
有没有办法欺骗 numpy 进行这种转换，从而创建一个等同于 v_copy 的数组 v_view，但没有制作副本？也许直接在 v.__array_interface__ 上工作，就像在 np.lib.stride_tricks.as_strided() 中所做的那样？
请您参考如下方法:
你可以像这样构造一个合适的数据类型
dt2 = np.dtype(dict(names=('t', 'x'), formats=(np.int16, np.int8), offsets=(0, 2)))
然后做
y = np.recarray(x.shape, buf=x, strides=x.strides, dtype=dt2)
在未来的 Numpy 版本中(> 1.6)，你也可以这样做
dt2 = np.dtype(dict(names=('t', 'x'), formats=(np.int16, np.int8), offsets=(0, 2), itemsize=4))
y = x.view(dt2)
