python - 在python中命名尺寸？

Question

有一点我非常感激，那就是在 python 中命名数组中的维度的能力。例如，我有一个 3 维的 numpy 数组，我必须定期将它沿特定维度求和。

所以我可以使用 ndarray a：

sum(a, axis=2)

如果我的相关维度是最后一个，但我想让它“与位置无关”，即用户可以提供任何数组，只要他指定“这个维度是”DI“”（例如，对于“感兴趣的维度” ）。所以基本上我希望能够写：

sum(a, axis="DI")

接近 NETCDF，但我不想实现整个 netcdf 功能。

Answer 1

您可以编写一个薄包装的子类到np.ndarray. 但是保持维度和名称之间的对应关系可能会很棘手。

class NamedArray(np.ndarray):
    def __new__(cls, *args, **kwargs):
        obj = np.ndarray(args[0], **kwargs).view(cls)
        return obj

    def __init__(self, *args, **kwargs):
        self.dim_names = None
        if len(args) == 2:
            self.dim_names = args[1]

    def sum(self, *args, **kwargs):
        if (self.dim_names is not None) and (type(kwargs['axis']) == str):
            axis_name = kwargs.pop('axis')
            axis_ind = self.dim_names.index(axis_name)
            kwargs['axis'] = axis_ind
        return super().sum(*args, **kwargs)

#regular ndarray
a = NamedArray([1,2,3], dtype=np.float32)

#ndarray with dimension names
b = NamedArray([1,2,3], ('d1', 'd2', 'd3'), dtype=np.float32)

编辑： 如今的Pandas DataFrame与 OP 的要求非常接近。

Answer 2

@M456 的想法很聪明，但是如果您对多个数组有相同的命名方案，我认为更简单的解决方案就是使用字典：

axes = { 'DA': 0, 'DB':1 }
a.sum(axes['DA'])

甚至只是变量：

DA, DB, DC = range(3)
a.sum(DA)

如果它应该是您的最后一个（或倒数第二个等）轴，只需使用-1（或-2等）：

a.shape
#(2,3,4)

np.all(a.sum(2) == a.sum(-1))
#True
np.all(a.sum(0) == a.sum(-3))
#True