Numpy自定义dtype的一个使用误区

ndarray.ndim：数组的维数，也称为rank
ndarray.shape：数组各维的大小tuple 类型，对一个n 行m 列的矩阵来说， shape 为 (n,m)。
ndarray.size：元素的总数。
Ndarray.dtype：每个元素的类型，可以是 numpy.int32, numpy.int16, and numpy.float64 等。
Ndarray.itemsize：每个元素占用的字节数。
Ndarray.data：指向数据内存。

opencv处理用的nparray，dtype为 np.uint8

Numpy
数组和dtype的一个使用误区

首先自定义三种类型（如下代码1-3行），第一行使用scalar type,第2，3行使用Structured type。
提出问题：第5，7行同为创建数组，为什么第5行能work,而第7行会raise一个exception:expected an object with a buffer interface呢？
问题解答：原因在于创建numpy数组时，如果指定dtype是Structured type时，List（本例中[1，2]）中的元素必须是元组类型的。但是第7行是一般的int型。所以出错。如果指定dtype是scalar type则没有此限制。
后续问题：根据以上分析结果，自然就有了第12行代码。但是错误依然：expected an object with a buffer interface。 但是如果自定义类型有两个或以上的字段（代码3，10），则毫无问题。为什么呢？
问题解答：问题出在元组这边，但定义的元组中只含有一个元素时，该元组就会退化为一般的数据类型而不会被作为元组对待。
解决办法就是如代码14行这样定义List.
另外一种解决方案就是：使用数组的view方法：a=np.array([1,2]).view(dt2)。 效果和代码14行是一样的。
 

1 dt1=np.dtype(np.int32)
2 dt2=np.dtype([('f1', np.int32)])
3 dt3=np.dtype([('f1', np.int32), ('f2', np.int32)])
4
5 a=np.array([1,2],dtype=dt1)
6 print a
7 a=np.array([1,2],dtype=dt2)
8 #error: expected an object with a buffer interface
9
10 a=np.array([(1,2),(3,4)],dtype=dt3)
11 print a
12 a=np.array([(1),(2)],dtype=dt2)
13 #error: expected an object with a buffer interface
14 a=np.array([(1,),(2,)],dtype=dt2)

 
 其他dtype的使用范例：

1 import numpy as np
2 import sys
3
4 def dTypeTest():
5     #Using dictionaries. Two fields named ‘gender’ and ‘age’:
6     student=np.dtype({'names':['name', 'age', 'weight'],'formats':['S32', 'i','f']}, align=True)
7     a=np.array([('zhang',65,123.5),('wang',23,122.5)],dtype=student)
8     print a
9     #Using array-scalar type:
10     a=np.array([1,2],dtype=np.dtype(np.int16))
11     print a
12
13     #Structured type, one field name 'f1', containing int16:
14     #a=np.array([1,2],dtype=np.dtype([('f1', np.int16)]))
15     a=np.array([1,2]).view(np.dtype([('f1', np.int16)]))
16     print a
17     a=np.array([1,2]).view(np.dtype([('f1', np.int32)]))
18     print a
19     a=np.array([(1,),(2,)],dtype=np.dtype([('f1', np.int16)]))
20     print a
21     #below two lines of code is not working as [1,2] is not a list of tuple
22     #a=np.array([1,2],dtype=np.dtype([('f1', np.int16)]))
23     #a=np.array([(1),(2,)],dtype=np.dtype([('f1', np.int16)]))
24
25     #Structured type, one field named ‘f1’, in itself containing a structured type with one field:
26     dt=np.dtype([('f1', [('f1', np.int32)])])
27     a=np.array([1,2]).view(dt)
28     print a
29     a=np.array([((1,),),((2,),)],dtype=dt)
30     print a
31     #below two lines of code is not working as (1,) is not same as the structure of dtype declared
32     #a=np.array([(1,),(2,)],dtype=dt)
33
34     #Structured type, two fields: the first field contains an unsigned int, the second an int32
35     dt=np.dtype([('f1', np.uint), ('f2', np.int32)])
36     a=np.array([(1,2),(3,4)],dtype=dt)
37     print a
38
39     #Using array-protocol type strings:
40     dt=np.dtype([('a','f8'),('b','S10')])
41     a=np.array([(3.14,'pi'),(2.17,'e')],dtype=dt)
42     print a
43
44     #Using comma-separated field formats. The shape is (2,3):
45     dt=np.dtype("i4, (2,3)f8")
46     a=np.array([(1,[[1,2,3],[4,5,6]]),(2,[[4,5,6],[1,2,3]])],dtype=dt)
47     print a
48
49     #Using tuples. int is a fixed type, 3 the field’s shape. void is a flexible type, here of size 10
50     dt=np.dtype([('hello',(np.int,3)),('world',np.void,10)])
51     a=np.array([([1,2,3],'this is a')],dtype=dt)
52     print a
53
54 def main():
55     dTypeTest()
56
57 if __name__ == "__main__":
58     main()