NumPy 结构化数组

说明

NumPy 教程持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

结构化数组（Structured arrays ）也是一个 ndarray，其数据类型是由一系列更简单的数据类型组成的命名字段。在结构化数据类型中，每个子类型称为字段。该字段具有名称（字符串）、类型（任何有效的 dtype）和可选标题。

示例

例如以下是一个结构化数组：

x = np.array([('Rex', 9, 81.0), ('Fido', 3, 27.0)],
             dtype=[('name', 'U10'),
                    ('age', 'i4'),
                    ('weight', 'f4')
                   ]
            )
x
'''
array([('Rex', 9, 81.), ('Fido', 3, 27.)],
      dtype=[('name', '<U10'), ('age', '<i4'), ('weight', '<f4')])
'''

这里 x 是长度为 2 的一维数组，其数据类型是具有三个字段的结构：

长度为 10 或以下的字符串，名为 name
32 位整数，名为 age
a 名为 weight 的 32 位浮点数。

读取

如果你在位置 1 索引 x 你会得到一个结构：

x[1]
# ('Fido', 3, 27.)

您可以通过使用字段名称，进行索引来访问和修改结构化数组的各个字段：

x['age']
# array([9, 3], dtype=int32)
x['age'] = 5
x
'''
array([('Rex', 5, 81.), ('Fido', 5, 27.)],
      dtype=[('name', '<U10'), ('age', '<i4'), ('weight', '<f4')])
'''

原理及用途

结构化数据类型旨在模仿 C 语言中的“结构”，并共享类似的内存布局。它们用于与 C 代码接口和结构化缓冲区的低级操作，例如用于解释二进制 blob。出于这些目的，它们支持子数组、嵌套数据类型和联合等特殊功能，并允许控制结构的内存布局。

希望操作表格数据（例如存储在 csv 文件中）的用户可能会发现其他更适合的 pydata 项目，例如 xarray、pandas 或 DataArray。这些为表格数据分析提供了高级界面，并针对该用途进行了更好的优化。例如，相比之下，numpy 中结构化数组的类似 C 结构的内存布局会导致缓存行为不佳。

参考

https://numpy.org/devdocs/user/basics.rec.html

< np.select() 多条件选择元素 NumPy 教程字段访问 >

更新时间：June 29, 2022, 2:30 p.m. 标签：numpy python 数组结构化