Convertir matriz estructurada a matriz NumPy regular

Creo que la respuesta será muy obvia, pero no la veo en este momento.

¿Cómo puedo convertir una matriz de registros de nuevo a un ndarray regular?

Supongamos que tengo siguiente matriz estructurada simple: 

x = np.array([(1.0, 4.0,), (2.0, -1.0)], dtype=[('f0', '<f8'), ('f1', '<f8')])

Entonces quiero convertirlo a:

array([[ 1.,  4.],
       [ 2., -1.]])

Traté asarray y astype, pero eso no funcionó.

ACTUALIZACIÓN (solucionado: float32 (f4) en lugar de float64 (f8))

OK, probé la solución de Robert (x.view(np.float64).reshape(x.shape + (-1,)) ), y con una matriz simple funciona perfectamente. Pero con la matriz que quería convertir da un resultado extraño:

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')])

Y luego: 

data_array = data.view(np.float).reshape(data.shape + (-1,))

Da: 

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]])

Que es una matriz con otros números y otra forma. ¿Qué hice mal?

Author: Eric Lebigot, 2011-05-11
Source

3 answers

[~]
|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.]])
 24
Author: Robert Kern,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2012-04-18 09:36:55

El método más simple es probablemente

x.view((float, len(x.dtype.names)))

(float generalmente debe ser reemplazado por el tipo de los elementos en x: x.dtype[0]). Esto supone que todos los elementos tienen el mismo tipo.

Este método le da la versión regular numpy.ndarray en un solo paso (a diferencia de los dos pasos requeridos por el método view(…).reshape(…).

 32
Author: Eric Lebigot,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2016-04-06 08:51:12 
np.array(x.tolist())
array([[ 1.,  4.],
      [ 2., -1.]])

Pero tal vez hay un método mejor...

 5
Author: Andrea Zonca,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2011-05-10 23:01:01