Я хочу связать методы объектов с dtypes в многоуровневом структурированном массиве. Это базовое состояние экземпляра объекта моей коллекции объекта уже упаковано в numpy (вложенный dtype) record_arrays .. У меня уже есть набор объектов Python, которые построены поверх представлений этих типов numty structured array, которые затем работать с данными, лежащими в основе данных инкапсулированных объектов. То есть: Я желаю использовать объектно-ориентированные методы программирования, работая с базовым состоянием экземпляра в его собственном упакованном, структурированном формате.
-> В настоящее время, работая с этими многоуровневыми структурированными массивами с использованием методов объектов Python, требуется, чтобы явным образом создавал экземпляр объекта Python поверх связанного с ним массива каждый раз, когда я повторно ссылаюсь на него в массиве. Возможно ли возможно более прямое ассоциировать методы объекта с многоуровневым структурированным массивом (вложенным) dtype, чтобы избежать необходимости восстанавливать экземпляр объекта каждый раз?Как связать методы с (вложенными) numpy dtype?
ответ
Ваше описание в замешательстве. Некоторый базовый код может помочь сделать его более ясным. Но я выскажу некоторые возможные наблюдения.
A numpy
массив имеет (большой) непрерывный буфер данных (плоский список байтов), который он делит на «записи». 'shape' и 'strides' используются для записи записей. 'dtype' определяет, как он «просматривает» каждую запись.
Хотя эти массивы являются объектами типа Python, а dtype
также является классом, в целом программисты с несколькими числами не прикладывают больших усилий для создания классов объектов добавленного массива. Массивами могут быть атрибуты более крупных объектов (словари, списки, кортежи или пользовательские классы).
matrix
и masked_arrays
являются примерами подкласса ndarray
. Я не видел много пользовательских подклассов; отчасти потому, что объем работы, чтобы сделать их полностью работоспособными, не стоит того. recarray
- это подкласс, который позволяет вам получать доступ к полям структурированного массива с синтаксисом атрибутов. Возможно, стоит посмотреть на его метод «getattr». Получение общих операций с массивами для возврата правильного класса или подкласса массива является немного сложным.
np.lib.index_tricks
определяет несколько классов, которые позволяют использовать синтаксис индексации в месте синтаксиса функции (то есть они определяют пользовательские методы __getitem__
).
Мне не известны способы подкласса dtype
. Наиболее общим базовым dtype является «объект». Это просто хранит указатель на объект Python, который хранится в другом месте. Этот указатель может указывать на что угодно - число, None, список, другой массив и т. Д. В структурированных массивах dtype
является составным типом, состоящим из «списка» подтипов (которые могут быть вложенными). Но в конечном итоге структурированный тип dtype состоит из нескольких базовых типов (ints, float, strings, object).
- 1. Как использовать numpy longdouble dtype?
- 2. Как изменить dtype numpy recarray?
- 3. Как правильно определить Numpy DTYPE
- 4. Numpy DTYPE недопустимый индекс
- 5. numpy custom dtype challenge
- 6. Numpy добавить DTYPE массив
- 7. параметр DTYPE в Numpy genfromtxt
- 8. Получить информацию о numpy dtype
- 9. Возвращенный dtype функции numpy vectorized
- 10. Numpy: сохранение DTYPE после column_stack()
- 11. Как декодировать массив numpy dtype = numpy.string_?
- 12. Как разбить смешанный массив dtype 1D numpy?
- 13. Как Numpy регистрирует dtype для массива
- 14. Удаление DTYPE с конца Numpy колонки стека
- 15. Как создать numpy dtype из других типов?
- 16. Как удалить возвращаемый 'dtype' при использовании numpy?
- 17. Как установить dtype для вложенного numpy ndarray?
- 18. Как получить шаги из dtype в numpy?
- 19. Преобразование массива numpy объектов dtype в dtype complex
- 20. Numpy: как применять векторизованные функции к массиву с dtype
- 21. Передача указателя numpy (dtype = np.bool) на C++
- 22. Понимание numpy "void" dtype и generic массивов
- 23. Удалить dtype в конце массива numpy
- 24. Создайте новый массив массивов numpy гибкого dtype
- 25. NumPy ошибка DTYPE - (структурированное создание массива)
- 26. Numpy преобразования странное поведение в datetime64 DTYPE
- 27. Использование numpy-функций, когда dtype является объектом
- 28. Связать пользователей с вложенными моделями в рельсах
- 29. Как связать атрибуты экземпляра с массивом numpy?
- 30. np.fromregex шпагатом как DTYPE
Пример кода на пути должен быть опубликован где-то завтра .. –