python – Numpy中的Namedtuple

2023年12月6日 194次阅读

我非常喜欢namedtuple集合的功能.具体来说,我喜欢它对二维空间中的点有多大用处.

In : from collections import namedtuple

In : Point = namedtuple('Point', ['x', 'y'])

In : p = Point(1,2)

In : p.x
Out: 1

In : p.y
Out: 2

我认为这比引用列表的第一个和第二个条目要清楚得多.我想知道是否有办法使它成为Point也是一个numpy数组.例如

 In: p1 = Point(1,2)
 In: p2 = Point(3,4)
 In: (p1+p2).x 
 Out: 4

和numpy类似的好功能.换句话说,我想我想让Point成为numpy的子类？我可以这样做吗？如何？

最佳答案 像point_type这样的结构化数组不定义涉及多个字段的数学运算.

样本来自https://stackoverflow.com/a/33455682/901925

In [470]: point_type = [('x', float), ('y', float)]
In [471]: points = np.array([(1,2), (3,4), (5,6)], dtype=point_type)
In [472]: points
Out[472]: 
array([(1.0, 2.0), (3.0, 4.0), (5.0, 6.0)], 
      dtype=[('x', '<f8'), ('y', '<f8')])
In [473]: points[0]+points[1]
...
TypeError: unsupported operand type(s) for +: 'numpy.void' and 'numpy.void'

相反,我可以创建一个二维数组,然后将其视为point_type – 数据缓冲区布局将是相同的：

In [479]: points = np.array([(1,2), (3,4), (5,6)],float)
In [480]: points
Out[480]: 
array([[ 1.,  2.],
       [ 3.,  4.],
       [ 5.,  6.]])
In [481]: points.view(point_type)
Out[481]: 
array([[(1.0, 2.0)],
       [(3.0, 4.0)],
       [(5.0, 6.0)]], 
      dtype=[('x', '<f8'), ('y', '<f8')])
In [482]: points.view(point_type).view(np.recarray).x
Out[482]: 
array([[ 1.],
       [ 3.],
       [ 5.]])

我可以跨行进行数学运算,并继续将结果视为点：

In [483]: (points[0]+points[1]).view(point_type).view(np.recarray)
Out[483]: 
rec.array([(4.0, 6.0)], 
      dtype=[('x', '<f8'), ('y', '<f8')])
In [484]: _.x
Out[484]: array([ 4.])
In [485]: points.sum(0).view(point_type)
Out[485]: 
array([(9.0, 12.0)], 
      dtype=[('x', '<f8'), ('y', '<f8')])

或者,我可以从point_type开始,然后将其视为数学的2d,然后再查看它

pdt1=np.dtype((float, (2,)))
In [502]: points
Out[502]: 
array([(1.0, 2.0), (3.0, 4.0), (5.0, 6.0)], 
      dtype=[('x', '<f8'), ('y', '<f8')])
In [503]: points.view(pdt1)
Out[503]: 
array([[ 1.,  2.],
       [ 3.,  4.],
       [ 5.,  6.]])
In [504]: points.view(pdt1).sum(0).view(point_type)
Out[504]: 
array([(9.0, 12.0)], 
      dtype=[('x', '<f8'), ('y', '<f8')])

因此,可以以2d和重新排列的形式查看和操作数组.为了漂亮或有用,它可能需要在用户定义的类中埋葬.

从recarray类中获取想法的另一种选择.它的核心只是一个带有专门的__getattribute __(和setattribute)方法的结构化数组.该方法首先尝试正常的数组方法和属性(例如x.shape,x.sum).然后它尝试在定义的字段名中细化attr.

def __getattribute__(self, attr):
    try:
        return object.__getattribute__(self, attr)
    except AttributeError: # attr must be a fieldname
        pass
    fielddict = ndarray.__getattribute__(self, 'dtype').fields
    try:
        res = fielddict[attr][:2]
    except (TypeError, KeyError):
        raise AttributeError("record array has no attribute %s" % attr)
    return self.getfield(*res)
    ...

points.view(np.recarray).x成为points.getfield(* points.dtype.fields [‘x’]).

另一种方法是从namedtuple(/usr/lib/python3.4/collections/__init__.py)借用,并定义x和y属性,它们将索引[：,0]和[：,1]列. 2d阵列.
  将这些属性添加到np.matrix的子类可能是最容易的,让该类确保大多数数学结果为2d.

点赞