我无法通过列名从结构化numpy
数组获取数据。最后是我的相关代码。我认为这是简单和短到足以张贴在整个(这是一个sscce准确)。你知道吗
如果test.out
文件不存在,只需简单地将数据生成。我总是从文件中加载数据,只是为了测试。我认为这在这里并不重要。然后,如果文件中的数据是同质的,我强制使用结构化数组。我想通过data['f3']
这样的列名访问数据,但我得到的是一种奇怪的形状。我得到一个单元素列表。例如:
shape: (10, 1), data['f3']:
[[ 0.50308252]
[ 0.16259077]
[ 0.5448315 ]
[ 0.77284975]
[ 0.01443514]
[ 0.40232731]
[ 0.6703865 ]
[ 0.3918904 ]
[ 0.07649033]
[ 0.70849585]]
所需输出为:
shape: (10, 1), data['f3']:
[ 0.50308252 0.16259077 0.5448315 0.77284975 0.01443514 0.40232731
0.6703865 0.3918904 0.07649033 0.70849585]
有趣的是,所有报告的形状都是相同的(对于data.shape
)。你知道吗
我执行dtype
的方式不对吗?我很肯定这是可以做到的,因为this answer显示了相同的语义和期望的结果。我用reshape
找到了一个解决方法,但如果有必要的话,它看起来很奇怪。这也适用于列列表。您可以在我的代码中设置col_name = ['f1', 'f3']
。有没有办法用一个简单的data[col_name]
来完成?你知道吗
代码:
import numpy
import os
def get_data():
if not os.path.exists('test.out'):
new_data = numpy.random.rand(10,10)
numpy.savetxt('test.out', new_data, delimiter=',')
data = numpy.genfromtxt('test.out',delimiter=",", dtype=None)
return data
def get_column(spreadsheet, column):
data = spreadsheet[column]
return data.reshape(data.shape[0])
data = get_data()
#if data is homogenous, then forcibly transform into structured array
if data.dtype.names is None:
new_dtype = list(map(lambda z:('f%d'%(z),data.dtype),range(0,data.shape[1])))
#print('old dtype: {}, new dtype: {}'.format(data.dtype, new_dtype))
data.dtype = new_dtype
col_name = 'f3'
print(data.dtype)
print("shape: {}, data:\n{}".format(data.shape, data))
print("shape: {}, data['{}']:\n{}".format(data[col_name].shape, col_name, data[col_name]))
print("shape: {}, data['{}']:\n{}".format(data[col_name].shape, col_name, get_column(data, col_name)))
当指定新的数据类型以使
data
成为结构化数组时,形状将从(10,10)更改为(10,1)。也就是说,它仍然是一个二维数组,第二个维度的长度为1。如果结构化数组是由genfromtxt
创建的,那么形状将是(10,)(即,它将是一维数组)。在指定数据类型后,还可以通过指定新形状来完成相同的操作:或将
data.dtype = new_dtype
替换为然后结构化阵列具有形状(10,),并且
data['f3']
也具有形状(10,)。你知道吗请注意,从结构化数组获取字段,例如
data
,是一个与data
形状相同的数组。也就是说,data['f3']
总是具有与data
相同的形状。它是结构化数组的“f3”字段的数组。我们通常认为字段是“列”(特别是当结构化数组是1-d时),但实际上它们只是结构中字段的名称。你知道吗相关问题 更多 >
编程相关推荐