NumPy数组中的自定义数据类型

Question

我正在创建一个numpy数组，里面要填充我自己定义的某个类的对象。我想初始化这个数组，让它只包含这个类的对象。比如，我想这样做，但如果我这么做，会发生什么。

class Kernel:
    pass

>>> L = np.empty(4,dtype=Kernel)

TypeError: data type not understood

我可以这样做：

>>> L = np.empty(4,dtype=object)

然后我可以把数组中的每个元素都赋值为一个Kernel对象（或者其他类型的对象）。如果我能有一个只包含Kernel对象的数组，那就太好了，这样从编程的角度（类型检查）和数学的角度（对函数集合的操作）来看都会很方便。

有没有什么方法可以让我用一个自定义的类来指定numpy数组的数据类型呢？

Answer 1

据我所知，要让一个numpy.ndarray里的元素都保持同一种类型，得自己手动去做（除非数组里是Numpy的标量）。因为它没有内置的检查机制（你的数组类型是dtype=object）。如果你真的想要强制使用同一种类型，你需要创建一个ndarray的子类，并在合适的方法里实现这些检查（比如__setitem__等）。

如果你想对一组函数（Kernel对象）进行操作，你可以直接在你的Kernel类里定义合适的操作。这就是我为我的uncertainties.py模块所做的，它处理带有不确定性的数字的numpy.ndarrays。

Answer 2

这必须是一个Numpy的标量类型：

http://docs.scipy.org/doc/numpy/reference/arrays.scalars.html#arrays-scalars-built-in

或者是ndarray的一个子类：

http://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.html#numpy.ndarray

Answer 3

如果你的Kernel类里面的数据量是固定的，那你可以为它定义一个数据类型，而不是用类来表示。例如，如果它有9个浮点数和一个整数作为参数，你可以这样做：

kerneldt = np.dtype([('myintname', np.int32), ('myfloats', np.float64, 9)])
arr = np.empty(dims, dtype=kerneldt)

每次你想用某个Kernel的功能时，你需要把这些数据转换成Kernel类的对象，不过这是一种把实际数据存储在NumPy数组里的方法。如果你只想存储一个引用，那么使用对象数据类型是最好的选择，这样就不需要去继承ndarray了。