numpy recarray 副本保留 dtype 引用？

Question

我正在尝试复制重新数组并更改新数组中的字段/记录的名称。但是，这会修改原始数组的名称（但是，这些值并不是取消链接的）。示例：

import numpy as np
import copy

定义原始数组

arr = np.array(np.random.random((3,2)),
               dtype=[('a','float'),('b','float')])

第一个副本

arr2 = arr.copy()
arr2.dtype.names = ('c','d')
arr.dtype.names
--> ('c','d')

第二个副本

arr3 = copy.deepcopy(arr2)
arr2.dtype.names = ('e','f')
arr.dtype.names
--> ('e','f')

为什么会发生这种情况以及如何防止这种情况发生？我怀疑 dtype 是一个单独的列表/对象，其引用是在 copy() 上复制的，但即使我分配了 dtype 的深层副本> 对象原始数组，我得到相同的结果：

dt = copy.deepcopy(arr.dtype)
arr.dtype = dt

arr3.dtype.names = ('g','h')
arr.dtype.names
--> ('g','h')

Answer 1

我解释你的问题是你想让 arr3 有自己的数据类型，这样你就可以修改它而不影响原始数据类型。如果是这样，你可以

arr.dtype 
# --> dtype([('a', '<f8'), ('b', '<f8')])
dt3 = copy.deepcopy(arr.dtype)
dt3.names = ('g','h')
arr3 = np.array(arr, dtype=dt3)
arr.dtype 
# --> dtype([('a', '<f8'), ('b', '<f8')])

欺骗似乎我在创建 arr3 时必须具有不同的 dtype （更改 dt3，然后创建 arr3）。否则， ndarray 会获取预先存在的数据类型（这似乎是某种代理）。

事实上，我之前也曾遇到过类似的问题，但没有找到。然后我想修改部分 dtype，但不知道如何，所以我最终再次硬连接了第二个 dtype 的整个定义（我的一个字段是子数组，我只在运行时知道它的形状）。所以这对我来说是个好问题:)