Skip to main content
 首页 » 编程设计

python之如何使用 numpy 将一维数组转换为二维数组

2024年10月25日7mfryf

我有这样的数据:

>>>npfilled[:5] 
 
array([('!', 0, 0, 3, 10, 0, 2, 4, 4), ('!"', 0, 0, 0, 5, 0, 0, 0, 0), 
       ('"', 23, 13, 20, 32, 0, 0, 22, 9), 
       ("'", 21, 8, 23, 12, 5, 10, 0, 7), ('(', 3, 2, 2, 3, 0, 0, 0, 0)],  
      dtype=[('token', '<U64'), ('mel_freq1', '<i2'), ('mel_freq0', '<i2'), ('mel_freq2', '<i2'), ('mel_freq3', '<i2'), ('aus_freq0', '<i2'), ('aus_freq1', '<i2'), ('aus_freq2', '<i2'), ('aus_freq3', '<i2')]) 
 
>>>npfilled.shape 
(301,) 

但我需要它是 (301,2),这样我就可以对其进行切片并对其进行其他分析,目前我还做不到。我怎样才能做到这一点?

请您参考如下方法:

用 numpy 术语来说,您是在询问如何将结构化数组转换为“普通”二维数组,其中结构中的每个项目都沿着一个新轴。

顺便说一句,对于像这样的异构数据,pandas 可能更适合您。

话虽如此,这里有一个简单的解释:


首先,要从您当前的结构化数组中切分列,您需要执行如下操作:

import numpy as np 
 
# Your example data... 
data = np.array([('!', 0, 0, 3, 10, 0, 2, 4, 4), 
                 ('!"', 0, 0, 0, 5, 0, 0, 0, 0), 
                 ('"', 23, 13, 20, 32, 0, 0, 22, 9), 
                 ("'", 21, 8, 23, 12, 5, 10, 0, 7), 
                 ('(', 3, 2, 2, 3, 0, 0, 0, 0)], 
        dtype=[('token', '<U64'), ('mel_freq1', '<i2'), 
               ('mel_freq0', '<i2'), ('mel_freq2', '<i2'), 
               ('mel_freq3', '<i2'), ('aus_freq0', '<i2'), 
               ('aus_freq1', '<i2'), ('aus_freq2', '<i2'), 
               ('aus_freq3', '<i2')]) 
 
# Print out two arbitrary columns. 
print data[['token', 'aus_freq1']] 

这会给出:

[(u'!', 2) (u'!"', 0) (u'"', 0) (u"'", 10) (u'(', 0)] 

如果您有异构数据,您可能真的不想切换到“普通”数组。

但是,如果您确实想将其切换过来,您可能会想到以下内容:

array([[u'!', 0, 0, 3, 10, 0, 2, 4, 4], 
       [u'!"', 0, 0, 0, 5, 0, 0, 0, 0], 
       [u'"', 23, 13, 20, 32, 0, 0, 22, 9], 
       [u"'", 21, 8, 23, 12, 5, 10, 0, 7], 
       [u'(', 3, 2, 2, 3, 0, 0, 0, 0]], dtype=object) 

简短的回答:


如果您不是特别关心内存使用情况,您可以这样做:

np.array(data.tolist(), dtype=object) 

较长的答案:

上面这行代码很容易就能得到你想要的东西。但是,这种方法有两个小缺点。

  1. 构造一个中间列表,并且
  2. 返回一个对象数组,它的内存效率比原来的结构化数组低很多。

没有办法解决第二个问题。这就是结构化数组存在的原因。对象数组(指针数组)在内存中不像结构化数组那样紧凑,但它们可以容纳任意对象。

但是,如果只想获取原始结构化数组的同类部分,那么您可以执行类似的操作:

# Only the first column is text... 
numeric_cols = list(data.dtype.names[1:]) 
 
# View the non-text parts as an array with the same dtype as the numeric cols: 
data2d = data[numeric_cols].view('<i2') 
 
# And reshape it into a 2D array: 
data2d = data2d.reshape(-1, len(numeric_cols)) 

这会产生:

In [10]: data2d 
Out[10]:  
array([[ 0,  0,  3, 10,  0,  2,  4,  4], 
       [ 0,  0,  0,  5,  0,  0,  0,  0], 
       [23, 13, 20, 32,  0,  0, 22,  9], 
       [21,  8, 23, 12,  5, 10,  0,  7], 
       [ 3,  2,  2,  3,  0,  0,  0,  0]], dtype=int16) 

这种方法比较冗长,但如果你有一个非常大的数组,它会快得多。