代码之家 › 专栏 › 技术社区 › KDecker

将fields/dtype应用于表示排序点的数组,然后删除fields/dtype?

sorting numpy arrays python

KDecker · 技术社区 · 3 年前

(x, y, z) 点数

x = np.array([
    [0, 1, 0],
    [0, 2, 1],
    [1, 1, 0],
    [1, 2, 1],
    [2, 1, 0],
    [2, 2, 1]
])

我想使用 numpy.sort sort 这些点没有实现一些专门的字段/d类型, numpy 重新排列点的轴

x.sort(axis=0)

结果

[[0 1 0]
[0 1 0]
[1 1 0]
[1 2 1]
[2 2 1]
[2 2 1]]

dtype 基于某些字段定义

point_dtype = [('x', float), ('y', float), ('z', float)]

数据类型

point_dtype = [('x', float), ('y', float), ('z', float)]
x = np.array([
    (0, 1, 0),
    (0, 2, 1),
    (1, 1, 0),
    (1, 2, 1),
    (2, 1, 0),
    (2, 2, 1)
], dtype=point_dtype)
x.sort(axis=0, order=['x', 'y'])

结果是对有意义的点进行排序

[(0., 1., 0.) (0., 2., 1.) (1., 1., 0.) (1., 2., 1.) (2., 1., 0.) (2., 2., 1.)]

x 从上面定义的例子来看,它相当大( (18M, 3) ). 我不太清楚我怎样才能“申请”这份工作 point_dtype 如前所述。

如果我试图 astype 我的阵法 努比

point_dtype = [('x', float), ('y', float), ('z', float)]
x = np.array([
    [0, 1, 0],
    [0, 2, 1],
    [1, 1, 0],
    [1, 2, 1],
    [2, 1, 0],
    [2, 2, 1]
])
x = x.astype(point_dtype)

结果 十 看起来像

 [[(0., 0., 0.) (1., 1., 1.) (0., 0., 0.)]
 [(0., 0., 0.) (2., 2., 2.) (1., 1., 1.)]
 [(1., 1., 1.) (1., 1., 1.) (0., 0., 0.)]
 [(1., 1., 1.) (2., 2., 2.) (1., 1., 1.)]
 [(2., 2., 2.) (1., 1., 1.) (0., 0., 0.)]
 [(2., 2., 2.) (2., 2., 2.) (1., 1., 1.)]]

[(0., 1., 0.) (0., 2., 1.) (1., 1., 0.) (1., 2., 1.) (2., 1., 0.) (2., 2., 1.)]

我如何追溯申请专业 数据类型 一个已经存在的 努比 阵列?

numpy.astype ,尽管没有一个可能的参数能够解决这种情况。我还找到了 努比 文件 structured arrays 尽管如此,似乎没有任何东西可以追溯到

此外, 我怎样才能去掉这个 数据类型 获取“原始”数组表示?

1 回复 | 直到 3 年前

juanpa.arrivillaga 3 年前

创建要高效地创建共享基础缓冲区的对象,请执行以下操作:

>>> x = np.array([
...     [0, 1, 0],
...     [0, 2, 1],
...     [1, 1, 0],
...     [1, 2, 1],
...     [2, 1, 0],
...     [2, 2, 1]
... ], dtype=np.float64)
>>> x
array([[0., 1., 0.],
       [0., 2., 1.],
       [1., 1., 0.],
       [1., 2., 1.],
       [2., 1., 0.],
       [2., 2., 1.]])
>>> point_dtype = [('x', float), ('y', float), ('z', float)]
>>> x.view(point_dtype)
array([[(0., 1., 0.)],
       [(0., 2., 1.)],
       [(1., 1., 0.)],
       [(1., 2., 1.)],
       [(2., 1., 0.)],
       [(2., 2., 1.)]], dtype=[('x', '<f8'), ('y', '<f8'), ('z', '<f8')])

注意,视图是独立的 python对象 :

>>> x is view
False

但它有着相同的潜在缓冲:

>>> x[0,0] = 99
>>> view
array([[(99., 1., 0.)],
       [( 0., 2., 1.)],
       [( 1., 1., 0.)],
       [( 1., 2., 1.)],
       [( 2., 1., 0.)],
       [( 2., 2., 1.)]], dtype=[('x', '<f8'), ('y', '<f8'), ('z', '<f8')])
>>>

>>> x.dtype = point_dtype
>>> x
array([[(99., 1., 0.)],
       [( 0., 2., 1.)],
       [( 1., 1., 0.)],
       [( 1., 2., 1.)],
       [( 2., 1., 0.)],
       [( 2., 2., 1.)]], dtype=[('x', '<f8'), ('y', '<f8'), ('z', '<f8')])
>>> x.dtype = np.float64
>>> x
array([[99.,  1.,  0.],
       [ 0.,  2.,  1.],
       [ 1.,  1.,  0.],
       [ 1.,  2.,  1.],
       [ 2.,  1.,  0.],
       [ 2.,  2.,  1.]])

hpaulj 3 年前

np.lexsort 你想要什么(我想):

In [23]: np.lexsort((x[:,1],x[:,0]))
Out[23]: array([0, 1, 2, 3, 4, 5])
In [24]: x[_,:]
Out[24]: 
array([[0, 1, 0],
       [0, 2, 1],
       [1, 1, 0],
       [1, 2, 1],
       [2, 1, 0],
       [2, 2, 1]])

最近的numpy版本添加了 unstructured_to_structured 函数,使创建结构化数组更容易。但它并没有形成一种观点。

In [40]: import numpy.lib.recfunctions as rf
In [41]: X = rf.unstructured_to_structured(x,  np.dtype([('x', '<f8'), ('y', '<f8'), ('z', '<f8')]))
In [42]: X
Out[42]: 
array([(0., 1., 0.), (0., 2., 1.), (1., 1., 0.), (1., 2., 1.),
       (2., 1., 0.), (2., 2., 1.)],
      dtype=[('x', '<f8'), ('y', '<f8'), ('z', '<f8')])
In [43]: X.sort(order=['x','y'])
In [44]: X
Out[44]: 
array([(0., 1., 0.), (0., 2., 1.), (1., 1., 0.), (1., 2., 1.),
       (2., 1., 0.), (2., 2., 1.)],
      dtype=[('x', '<f8'), ('y', '<f8'), ('z', '<f8')])