以类似字典的方式将新项目添加到某些结构化数组中

我想扩展 numpy 中的结构化数组对象，以便我可以轻松添加新元素。

例如，对于一个简单的结构化数组

>>> import numpy as np
>>> x=np.ndarray((2,),dtype={'names':['A','B'],'formats':['f8','f8']})
>>> x['A']=[1,2]
>>> x['B']=[3,4]

我想轻松添加一个新元素x['C']=[5,6]，但随后会出现与未定义名称相关的错误'C'.

只需添加一个新方法即可np.ndarray works:

import numpy as np
class sndarray(np.ndarray):
    def column_stack(self,i,x):
        formats=['f8']*len(self.dtype.names)
        new=sndarray(shape=self.shape,dtype={'names':list(self.dtype.names)+[i],'formats':formats+['f8']})
        for key in self.dtype.names:
            new[key]=self[key]

        new[i]=x

        return new

Then,

>>> x=sndarray((2,),dtype={'names':['A','B'],'formats':['f8','f8']})
>>> x['A']=[1,2]
>>> x['B']=[3,4]
>>> x=x.column_stack('C',[4,4])
>>> x
sndarray([(1.0, 3.0, 4.0), (2.0, 4.0, 4.0)], 
  dtype=[('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

有没有什么方法可以以类似字典的方式添加新元素？，例如

>>> x['C']=[4,4]
>>> x
sndarray([(1.0, 3.0, 4.0), (2.0, 4.0, 4.0)], 
  dtype=[('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

Update:

通过使用__setitem__我距离理想的解决方案还差一步，因为我不知道如何：

更改 self 引用的对象

import numpy as np

class sdarray(np.ndarray):
    def __setitem__(self, i,x):
    if i in self.dtype.names:
        super(sdarray, self).__setitem__(i,x)
    else:
        formats=['f8']*len(self.dtype.names)
        new=sdarray(shape=self.shape,dtype={'names':list(self.dtype.names)+[i],'formats':formats+['f8']})
        for key in self.dtype.names:
           new[key]=self[key]

        new[i]=x

        self.with_new_column=new

Then

>>> x=sndarray((2,),dtype={'names':['A','B'],'formats':['f8','f8']})
>>> x['A']=[1,2]
>>> x['B']=[3,4]
>>> x['C']=[4,4]
>>> x=x.with_new_column #extra uggly step!
>>> x
sndarray([(1.0, 3.0, 4.0), (2.0, 4.0, 4.0)], 
  dtype=[('A', '<f8'), ('B', '<f8'), ('C', '<f8')])

Update 2在所选答案中正确实施后，我发现问题已经解决了pandas DataFrame object:

>>> import numpy as np
>>> import pandas as pd
>>> x=np.ndarray((2,),dtype={'names':['A','B'],'formats':['f8','f8']})
>>> x=pd.DataFrame(x)
>>> x['A']=[1,2]
>>> x['B']=[3,4]
>>> x['C']=[4,4]
>>> x
   A  B  C
0  1  3  4
1  2  4  4
>>> 

Use numpy.recarray相反，在我的numpy 1.6.1你会得到一个额外的方法field当您继承时不存在numpy.ndarray.

这个问题 https://stackoverflow.com/questions/1201817/adding-a-field-to-a-structured-numpy-array or 这个（如果使用 numpy 1.3） https://stackoverflow.com/questions/5288736/adding-a-field-to-a-structured-numpy-array-2还讨论添加一个字段structured array。从那里您将看到使用：

import numpy.lib.recfunctions as rf
rf.append_fields( ... )

可以大大简化您的生活。乍一看，我以为这个函数会附加到原始数组，但它创建了一个新实例。这class下面显示的是使用您的解决方案__setitem__()，效果很好。

您发现导致您找到丑陋解决方案的问题是在另一个问题中报道过 https://stackoverflow.com/questions/5149269/subclassing-numpy-ndarray-problem。问题是当你这样做时self=...你只是存储new变量中的对象，但实体sdarray没有更新。也许可以直接破坏并重建class从其方法内部，但基于that https://stackoverflow.com/questions/5149269/subclassing-numpy-ndarray-problem讨论以下内容class可以创建，其中ndarray不是子类化的，而是在内部存储和调用的。添加了一些其他方法以使其工作并且看起来就像您正在直接使用ndarray。我没有详细测试。

用于自动调整大小这里提出了很好的解决方案 https://stackoverflow.com/questions/6405342/automatically-resizing-numpy-recarray。您还可以将其合并到您的代码中。

import numpy as np

class sdarray(object):
    def __init__(self, *args, **kwargs):
        self.recarray =  np.recarray( *args, **kwargs)

    def __getattr__(self,attr):
        if hasattr( self.recarray, attr ):
            return getattr( self.recarray, attr )
        else:
            return getattr( self, attr )

    def __len__(self):
        return self.recarray.__len__()

    def __add__(self,other):
        return self.recarray.__add__(other)

    def __sub__(self,other):
        return self.recarray.__sub__(other)

    def __mul__(self,other):
        return self.recarray.__mul__(other)

    def __rmul__(self,other):
        return self.recarray.__rmul__(other)

    def __getitem__(self,i):
        return self.recarray.__getitem__(i)

    def __str__(self):
        return self.recarray.__str__()

    def __repr__(self):
        return self.recarray.__repr__()

    def __setitem__(self, i, x):
        keys = []
        formats = []
        if i in self.dtype.names:
            self.recarray.__setitem__(i,x)
        else:
            for name, t in self.dtype.fields.iteritems():
                keys.append(name)
                formats.append(t[0])
            keys.append( i )
            formats.append( formats[-1] )
            new = np.recarray( shape = self.shape,
                              dtype = {'names'  : keys,
                                       'formats': formats} )
            for k in keys[:-1]:
                new[k] = self[k]
            new[i] = x
            self.recarray = new