Numpy数组.将数组中的列表隐藏到维度中

Question

我正在使用arcpy中的TableToNumpyArray。我正在导入的表"x"有99行和6列。

x

输出

print(x)

输出

np.shape(x)
(99,)

我想把它转换成没有列表的(99,6(。

根据评论和以前的答案，我尝试了：

y = np.stack(x)
np.shape(y)
(99,)

Answer 1

查看的文档

TableToNumPyArray
ArcGIS Pro 2.8 | Other versions
Summary
Converts a table to NumPy structured array.

您的xOut[168]显示不完整；它缺少最后的CCD_ 3行。如果您认为数组应该是(99,6(，那么dtype必须有6个fields。

再多的stack、concatenate或reshape也不会将fields转换为columns。

https://numpy.org/doc/stable/user/basics.rec.html

下面是一个结构化的数据类型和数组示例：

In [23]: dt = np.dtype('f,f,f')
In [24]: dt
Out[24]: dtype([('f0', '<f4'), ('f1', '<f4'), ('f2', '<f4')])
In [25]: arr = np.ones(4, dtype=dt)
In [26]: arr
Out[26]: 
array([(1., 1., 1.), (1., 1., 1.), (1., 1., 1.), (1., 1., 1.)],
dtype=[('f0', '<f4'), ('f1', '<f4'), ('f2', '<f4')])

请注意，显示内容看起来像元组列表。注意数据类型。

因为所有字段都是浮动的。创建二维数值数组的一个好方法是：

In [27]: arr.tolist()
Out[27]: [(1.0, 1.0, 1.0), (1.0, 1.0, 1.0), (1.0, 1.0, 1.0), (1.0, 1.0, 1.0)]
In [28]: np.array(arr.tolist())
Out[28]: 
array([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]])

CCD_ 11相对较快。

另一种方法是使用recfunctions实用程序：

In [29]: import numpy.lib.recfunctions as rf
In [30]: rf.structured_to_unstructured(arr)
Out[30]: 
array([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]], dtype=float32)

对于公共字段dtype，也可以使用view，但它需要整形：

In [32]: arr.view(np.float32)
Out[32]: array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.], dtype=float32)
In [33]: arr.view(np.float32).reshape(4,3)
Out[33]: 
array([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]], dtype=float32)

Answer 2

这是一个棘手的问题，但我找到了多种解决方案。首先，注意数组中元素的类型是"；对象"；(编辑：你刚刚发布了你的类型，它是不同的，但我确实认为解决方案也应该适用于你。你得到的np.stack解决方案应该也适用，但你忘了重塑它(，因此你有一个1D对象数组，当你问它的形状时，你会得到(99，(

因此，让我们创建一个与您的数组类型相同的示例数组：

l=[(1,2),(3,4)]
a = np.empty(len(l), dtype=tuple)
a[:] = l
print(f"a's shape: {a.shape}")

其输出为：a's shape: (2,)

对此的经典解决方案是从中创建一个列表，然后重建numpy数组，通常如下所示：

print(np.array(list(a)).shape)

输出CCD_ 15

但你要求在没有清单的情况下这样做。另一种方法是使用"；连接"；像这样：

a = np.concatenate(a).reshape(len(a),*np.shape(a[0]))

这也会导致你想要什么。我们在这里所做的是将元组一个接一个地连接在一起，作为一个大数组，然后将其重塑为所需的长度。

编辑：同样适用于你提供的堆栈解决方案，你忘记了在之后重塑

a= np.stack(a).reshape(len(a),*np.shape(a[0]))