将结构化数组转换为常规的NumPy数组
我想，答案会非常明显，但目前看不出来。
我怎样才能将logging数组转换回常规的ndarray？
假设我有以下简单的结构化数组：
x = np.array([(1.0, 4.0,), (2.0, -1.0)], dtype=[('f0', '<f8'), ('f1', '<f8')]) 那么我想将其转换为：
array([[ 1., 4.], [ 2., -1.]])
我尝试asarray和astype ，但没有奏效。
更新（解决：float32（f4），而不是float64（f8））
好的，我尝试了解决scheme的罗伯特（ x.view(np.float64).reshape(x.shape + (-1,)) ），并与一个简单的数组，它完美的作品。 但是，我想把它转换成一个奇怪的结果：
data = np.array([ (0.014793682843446732, 0.006681123282760382, 0.0, 0.0, 0.0, 0.0008984912419691682, 0.0, 0.013475529849529266, 0.0, 0.0), (0.014793682843446732, 0.006681123282760382, 0.0, 0.0, 0.0, 0.0008984912419691682, 0.0, 0.013475529849529266, 0.0, 0.0), (0.014776384457945824, 0.006656022742390633, 0.0, 0.0, 0.0, 0.0008901208057068288, 0.0, 0.013350814580917358, 0.0, 0.0), (0.011928378604352474, 0.002819152781739831, 0.0, 0.0, 0.0, 0.0012627150863409042, 0.0, 0.018906937912106514, 0.0, 0.0), (0.011928378604352474, 0.002819152781739831, 0.0, 0.0, 0.0, 0.001259754877537489, 0.0, 0.01886274479329586, 0.0, 0.0), (0.011969991959631443, 0.0028706740122288465, 0.0, 0.0, 0.0, 0.0007433745195157826, 0.0, 0.011164642870426178, 0.0, 0.0)], dtype=[('a_soil', '<f4'), ('b_soil', '<f4'), ('Ea_V', '<f4'), ('Kcc', '<f4'), ('Koc', '<f4'), ('Lmax', '<f4'), ('malfarquhar', '<f4'), ('MRN', '<f4'), ('TCc', '<f4'), ('Vcmax_3', '<f4')])
接着：
data_array = data.view(np.float).reshape(data.shape + (-1,))
得到：
In [8]: data_array Out[8]: array([[ 2.28080997e-20, 0.00000000e+00, 2.78023241e-27, 6.24133580e-18, 0.00000000e+00], [ 2.28080997e-20, 0.00000000e+00, 2.78023241e-27, 6.24133580e-18, 0.00000000e+00], [ 2.21114197e-20, 0.00000000e+00, 2.55866881e-27, 5.79825816e-18, 0.00000000e+00], [ 2.04776835e-23, 0.00000000e+00, 3.47457730e-26, 9.32782857e-17, 0.00000000e+00], [ 2.04776835e-23, 0.00000000e+00, 3.41189244e-26, 9.20222417e-17, 0.00000000e+00], [ 2.32706550e-23, 0.00000000e+00, 4.76375305e-28, 1.24257748e-18, 0.00000000e+00]])
这是一个数组与其他数字和另一个形状。 我做错了什么？
[~] |5> x = np.array([(1.0, 4.0,), (2.0, -1.0)], dtype=[('f0', '<f8'), ('f1', '<f8')]) [~] |6> x.view(np.float64).reshape(x.shape + (-1,)) array([[ 1., 4.], [ 2., -1.]])
最简单的方法可能是
x.view((float, len(x.dtype.names)))
（ float必须一般由x ： x.dtype[0]元素的typesreplace）。 这假定所有元素都具有相同的types。
这个方法在一个步骤中为您提供了常规的numpy.ndarray版本（而不是view(…).reshape(…)方法所需的两个步骤。
np.array(x.tolist()) array([[ 1., 4.], [ 2., -1.]])
但也许有更好的方法…
