【numpy基础】--结构化

付小淋

目前为止，介绍的numpy数组基本都是关于数值的，其实，numpy本身就是一个用于数值计算的基础库。
不过，除了数值计算之外，numpy也能够支持结构化数组。
1. 关联不同类型数据

numpy的数组为了提高计算性能，要求数组的数据类型要一致。
但是现实情况下，我们经常遇到不是纯数值的数组，比如：

1. name = ["harry", "tom", "annie"]
2. sex = ["male", "male", "female"]
3. age = [40, 31, 14]
5. arr = np.array([name, sex, age])
6. print(arr)
7. #运行结果
8. [['harry' 'tom' 'annie']
9. ['male' 'male' 'female']
10. ['40' '31' '14']]

复制代码

上面三个数组的类型不一致，放到一个numpy数组中时，可以看出，age数组被自动转换为字符串类型了。
为了保持 age 数组的原有数据类型，就要用到numpy的结构化数组了。

1. arr = np.zeros(
2.     3,
3.     dtype={"names": ("name", "sex", "age"),
4.            "formats": ("U10", "U10", "i4")},
5. )
6. print(arr)
7. #运行结果
8. [('', '', 0) ('', '', 0) ('', '', 0)]
10. arr["name"] = name
11. arr["sex"] = sex
12. arr["age"] = age
13. print(arr)
14. #运行结果
15. [('harry', 'male', 40)
16. ('tom', 'male', 31)
17. ('annie', 'female', 14)]

复制代码

定义数组时，定义不同的names和formats，这样，最后得到了结构化的数组，每个元素是一个元组，元组中的三个元素分别是name，sex，age。
这样的数组，保持了原数组的数据的类型。
补充：上面代码中的 U10 表示长度小于10 的字符串，i4 表示占4个字节的整数。
2. 结构化数组

生成结构化数组的关键在于定义不同的数据类型。
定义数据了类型有两种方式：
第一种是用字典，类似上面的示例那样，

1. dtp = np.dtype(
2.     {"names": ("name", "sex", "age"),
3.      "formats": ("U10", "U10", "i4")}
4. )
5. arr = np.zeros(3, dtype=dtp)
7. arr["name"] = name
8. arr["sex"] = sex
9. arr["age"] = age
10. print(arr)
11. #运行结果
12. [('harry', 'male', 40)
13. ('tom', 'male', 31)
14. ('annie', 'female', 14)]

复制代码

还有一种方式是用元组列表来定义：

1. dtp = np.dtype([
2.     ("name", "U10"),
3.     ("sex", "U10"),
4.     ("age", "i4")
5. ])
6. arr = np.zeros(3, dtype=dtp)
8. arr["name"] = name
9. arr["sex"] = sex
10. arr["age"] = age
11. print(arr)
12. #运行结果
13. [('harry', 'male', 40)
14. ('tom', 'male', 31)
15. ('annie', 'female', 14)]

复制代码

两种方式定义出的结构化数组是一样的。
3. 更复杂的结构

除了定义上面那种类似excel表格的二维结构之外，numpy的数组也能定义跟复杂的结构。
比如定义学生的成绩列表：

1. dtp = np.dtype([("name", "U10"), ("scores", "f4", (3))])
2. arr = np.zeros(3, dtype=dtp)
3. print(arr)
4. #运行结果
5. [('', [0., 0., 0.])
6. ('', [0., 0., 0.])
7. ('', [0., 0., 0.])]
9. arr["name"] = ["harry", "tom", "annie"]
10. arr["scores"] = [[100, 95.5, 93], [89, 90, 78.5], [77.5, 76, 90]]
11. print(arr)
12. #运行结果
13. [('harry', [100. ,  95.5,  93. ])
14. ('tom', [ 89. ,  90. ,  78.5])
15. ('annie', [ 77.5,  76. ,  90. ])]

复制代码

每个学生对应一个成绩列表，列表中包含3个成绩。
4. 总结回顾

总的来说，numpy的结构化数组并不常用，对于结构化数组，使用 pandas库来操作更好。
numpy库一般作为纯数值计算的底层来使用，其实pandas也是基于 numpy 的。
此外，还有很多其他的python科学计算的库也是基于numpy的。

来源:https://www.cnblogs.com/wang_yb/p/17532130.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！