問題タブ [structured-array]

構造化された numpy 配列にフィールドを追加するには、新しい dtype で新しい配列を作成し、古いフィールドをコピーして、新しいフィールドを追加するだけです。ただし、多くのメモリを必要とする配列に対してこれを行う必要があり、すべてを複製したくありません。私自身の実装と、numpy.lib.recfunctions.append_fields重複したメモリでの（遅い）実装の両方。

ndarrayメモリを複製せずに、構造化された にフィールドを追加する方法はありますか? つまり、 newndarrayの作成を回避する方法かndarray、古いものと同じデータを指す新しい を作成する方法のどちらか?

RAM を複製するソリューション:

• 構造化された numpy 配列にフィールドを追加する

• 構造化されたnumpy配列にフィールドを追加する (2)

• 構造化されたnumpy配列にフィールドを追加する (3)

フィールドを追加するのではなく、削除することが課題である同様の質問があります。このソリューションでは、元のデータのサブセットに対して機能するはずのビューを使用していますが、フィールドを追加したいときに修正できるかどうかはわかりません。

この方法で定義された構造化配列を使用しています。

次に、for ループで入力します。

リスト内のすべての変数は、形状 (1,) の numpy 配列です。ただし、このコード行は前述のエラーをスローします。なんで？

次の構造を持つ NumPy 構造化配列を使用しています。

「bar」の特定の値の「foo」フィールドを抽出する効率的な方法は何ですか? たとえば、'bar' が 0 であるすべての 'foo' 値を配列に格納したいと思います。

上記は機能しません。

次のnumpy構造化配列があるとします:

上記の配列のサブセットを通常のnumpy配列に変更しようとしています。私のアプリケーションでは、コピーが作成されないことが不可欠です (ビューのみ)。

フィールドは、次の関数を使用して上記の構造化配列から取得されます。

フィールド「f2」と「f3」に興味がある場合は、次のようにします。

元の構造化配列の「f2」および「f3」フィールドから ndarray を直接取得する方法があります。ただし、私のアプリケーションでは、このデータ サブセットがクラスの属性であるため、この中間構造化配列を構築する必要があります。

コピーを行わないと、中間構造化配列を通常の numpy 配列に変換できません。

この関数は、レコード配列を ndarray に変換するためにも使用できます。

ただし、次のエラーが表示されます。

コピーを作成すると、関数は正常に機能します。

2 つの配列に違いはないようです。