Hinzufügen von Datensätzen in ein numpy-Datensatz-array

Sagen wir mal ich definiere ein Datensatz-array

>>> y=np.zeros(4,dtype=('a4,int32,float64'))

und dann bin ich gehen, um zu füllen die 4 Datensätze zur Verfügung. Jetzt bekomme ich mehr Daten, so etwas wie

>>> c=('a',7,'24.5')

und ich möchte hinzufügen, dass dieses Album y. Ich kann nicht herausfinden, eine saubere Art und Weise, es zu tun. Die beste, die ich je gesehen habe in np.concatenate(), aber das würde erfordern, drehen c in ein Datensatz-array in und von sich selbst. Gibt es eine einfache Möglichkeit für die Wende zu meiner Tupel c auf y? Dies scheint, wie es sollte wirklich ganz einfach und weithin dokumentiert. Entschuldigung wenn es so ist. Ich habe nicht in der Lage, es zu finden.

InformationsquelleAutor bob.sacamento | 2013-04-26

  1. 21

    Können Sie numpy.append(), aber als Sie umwandeln müssen die neuen Daten in ein Datensatz-array auch:

    import numpy as np
y = np.zeros(4,dtype=('a4,int32,float64'))
y = np.append(y, np.array([("0",7,24.5)], dtype=y.dtype))

    Seit ndarray können nicht dynamisch ändern Sie die Größe, die Sie brauchen, um kopieren Sie alle Daten, wenn Sie hinzufügen möchten einige neue Daten. Sie können eine Klasse erstellen, verringern Sie die Größe-Frequenz:

    import numpy as np

class DynamicRecArray(object):
    def __init__(self, dtype):
        self.dtype = np.dtype(dtype)
        self.length = 0
        self.size = 10
        self._data = np.empty(self.size, dtype=self.dtype)

    def __len__(self):
        return self.length

    def append(self, rec):
        if self.length == self.size:
            self.size = int(1.5*self.size)
            self._data = np.resize(self._data, self.size)
        self._data[self.length] = rec
        self.length += 1

    def extend(self, recs):
        for rec in recs:
            self.append(rec)

    @property
    def data(self):
        return self._data[:self.length]

y = DynamicRecArray(('a4,int32,float64'))
y.extend([("xyz", 12, 3.2), ("abc", 100, 0.2)])
y.append(("123", 1000, 0))
print y.data
for i in xrange(100):
    y.append((str(i), i, i+0.1))
    Wow!!! Vielen Dank für den code!

    InformationsquelleAutor HYRY

  2. 5

    Dies ist, weil die Verkettung der numpy-arrays ist in der Regel vermieden werden, da es erfordert die Umverteilung von zusammenhängenden Speicherplatz. Die Größe der array mit Raum zu ersparen, und dann verketten Sie in großen Blöcken, wenn nötig. Dieser Beitrag kann eine Hilfe sein.

    Danke. Jetzt verstehe ich. Ich bin überrascht, aber ich verstehe.

    InformationsquelleAutor Paul

Schreibe einen Kommentar