如何将FITS_rec类型的FITS数据转换为多维numpy数组

• 提取结构化字段：FITS_rec属于NumPy结构化数组，直接用np.asarray()转换会得到无法直接索引的对象数组，需先按字段拆分数据：

  # 从HDU中获取FITS结构化数据
  fits_data = hdul[1].data
  # 按字段提取独立数组
  time_arr = fits_data['time']
  rate_arr = fits_data['rate']
  error_arr = fits_data['error']
  totcounts_arr = fits_data['TOTCOUNTS']
  fraxexp_arr = fits_data['fraxexp']
  

• 转换变长rate/error为二维数组：由于不同文件中rate/error的元素数量可能不同，先将字段数组转为列表再转成二维NumPy数组：

  # 转换为可直接索引的二维数组（若所有子数组长度一致）
  rate_2d = np.array(rate_arr.tolist())
  error_2d = np.array(error_arr.tolist())
  

  若存在子数组长度不一致的情况，np.array()仍会返回对象数组，此时可根据需求对短数组补全或截断，或用Pandas DataFrame统一处理。

• 组合成多维数组（可选）：若需将所有字段合并为一个多维数组，先将标量字段扩展维度，再沿列拼接：

  # 扩展标量字段的维度，与二维rate/error数组匹配
  time_expanded = time_arr[:, np.newaxis]
  totcounts_expanded = totcounts_arr[:, np.newaxis]
  fraxexp_expanded = fraxexp_arr[:, np.newaxis]
  
  # 拼接为完整的多维数组
  combined_arr = np.hstack([time_expanded, rate_2d, error_2d, totcounts_expanded, fraxexp_expanded])
  

• 验证索引操作：转换完成后即可轻松索引数据，例如：

  • 取第3行的第2个rate值：rate_2d[2, 1]
  • 取所有行的error数据：error_2d[:, :]
  • 取组合数组中第5行的time和所有rate值：combined_arr[4, 0:5]

内容的提问来源于stack exchange，提问作者Maxwell A. Fine