python ndarray转换为array_python – 如何将numpy.recarray转换为numpy.array？

通过“正常数组”我认为你是一个NumPy数组的均匀dtype.给予重新记录,如：

>>> a = np.array([(0, 1, 2),

(3, 4, 5)],[('x', int), ('y', float), ('z', int)]).view(np.recarray)

rec.array([(0, 1.0, 2), (3, 4.0, 5)],

dtype=[('x', '

我们必须先使每一列具有相同的dtype.然后,我们可以通过查看相同dtype的数据将其转换为“正常数组”：

>>> a.astype([('x', '

array([ 0., 1., 2., 3., 4., 5.])

astype返回一个新的numpy数组.所以上面要求额外的内存量与a的大小成正比.每行a需要4 8 4 = 16字节,而a.astype(…)需要8 * 3 = 24字节.调用view不需要新的内存,因为只是改变了底层数据的解释方式.

a.tolist()返回一个新的Python列表.每个Python编号是一个对象,它比numpy数组中的等效表示需要更多的字节.所以a.tolist()需要比a.astype(…)更多的内存.

调用a.astype(…).view(…)也比np.array(a.tolist())快：

In [8]: a = np.array(zip(*[iter(xrange(300))]*3),[('x', int), ('y', float), ('z', int)]).view(np.recarray)

In [9]: %timeit a.astype([('x', '

10000 loops, best of 3: 165 us per loop

In [10]: %timeit np.array(a.tolist())

1000 loops, best of 3: 683 us per loop