如何在numpy结构化数组中返回多个列的视图

Question

我可以通过用字段名称的列表来同时查看一个 numpy 结构数组中的多个列（fields），比如：

import numpy as np

a = np.array([(1.5, 2.5, (1.0,2.0)), (3.,4.,(4.,5.)), (1.,3.,(2.,6.))],
        dtype=[('x',float), ('y',float), ('value',float,(2,2))])

print a[['x','y']]
#[(1.5, 2.5) (3.0, 4.0) (1.0, 3.0)]

print a[['x','y']].dtype
#[('x', '<f4') ('y', '<f4')])

但问题是，这似乎是一个复制品，而不是一个视图：

b = a[['x','y']]
b[0] = (9.,9.)

print b
#[(9.0, 9.0) (3.0, 4.0) (1.0, 3.0)]

print a[['x','y']]
#[(1.5, 2.5) (3.0, 4.0) (1.0, 3.0)]

如果我只选择一列，那就是一个视图：

c = x['y']
c[0] = 99.

print c
#[ 99.  4.   3. ]

print a['y']
#[ 99.  4.   3. ]

有没有办法让我一次性获取多个列的视图行为呢？

我有两个解决方法，一个是逐列循环，另一个是创建一个分层的 dtype，这样一列实际上会返回一个包含我想要的两个（或更多）字段的结构数组。不幸的是，zip 也会返回一个复制品，所以我不能这样做：

x = a['x']; y = a['y']
z = zip(x,y)
z[0] = (9.,9.)

Answer 1

从Numpy版本1.16开始，你提到的代码会返回一个视图。你可以在这个页面上查看相关信息：'NumPy 1.16.0发布说明->未来变化->多字段视图返回视图而不是副本'。

https://numpy.org/doc/stable/release/1.16.0-notes.html#multi-field-views-return-a-view-instead-of-a-copy

Answer 2

在@HYRY的回答基础上，你还可以使用ndarray的一个方法getfield：

def fields_view(array, fields):
    return array.getfield(numpy.dtype(
        {name: array.dtype.fields[name] for name in fields}
    ))

Answer 3

你可以创建一个dtype对象，只包含你想要的字段，然后使用numpy.ndarray()来创建一个原始数组的视图：

import numpy as np
strc = np.zeros(3, dtype=[('x', int), ('y', float), ('z', int), ('t', "i8")])

def fields_view(arr, fields):
    dtype2 = np.dtype({name:arr.dtype.fields[name] for name in fields})
    return np.ndarray(arr.shape, dtype2, arr, 0, arr.strides)

v1 = fields_view(strc, ["x", "z"])
v1[0] = 10, 100

v2 = fields_view(strc, ["y", "z"])
v2[1:] = [(3.14, 7)]

v3 = fields_view(strc, ["x", "t"])

v3[1:] = [(1000, 2**16)]

print(strc)

这里是输出结果：

[(10, 0.0, 100, 0L) (1000, 3.14, 7, 65536L) (1000, 3.14, 7, 65536L)]