Python学习笔记（15）

结构化数组

假设要保存这样的数据

	name	age	wgt
0	dan	1	23.1
1	ann	0	25.1
2	sam	2	8.3

首先定义一个人的结构类型

person_dtype = np.dtype([('name', 'S10'), ('age', 'int'), ('weight', 'float')])

然后构建一个3x4的空结构体数组：

people = np.empty((3,4), person_dtype)

分别赋值

people['name'] = [['Brad', 'Jane', 'John', 'Fred'],
                  ['Henry', 'George', 'Brain', 'Amy'],
                  ['Ron', 'Susan', 'Jennife', 'Jill']]
people['age'] = [[33, 25, 47, 54],
                 [29, 61, 32, 27],
                 [19, 33, 18, 54]]
people['weight'] = [[135., 105., 255., 140.],
                    [154., 202., 137., 187.],
                    [188., 135., 88., 145.]]

当然还可以 从文本中读取结构化数组

person_dtype = np.dtype([('name', 'S10'), ('age', 'int'), ('weight', 'float')])

people = np.loadtxt('people.txt', 
                    skiprows=1,
                    dtype=person_dtype)

people

所以结构化数组的关键在于我们如何去看待去解释这段内存
即 你的自定义dtype是什么

嵌套类型

有时候，结构数组中的域可能包含嵌套的结构，例如，在我们希望在二维平面上纪录一个质点的位置和质量：

position		mass
x	y

那么它的类型可以这样嵌套定义：

particle_dtype = np.dtype([('position', [('x', 'float'), 
                                         ('y', 'float')]),
                           ('mass', 'float')
                          ])
 data = np.loadtxt('data.txt', dtype=particle_dtype)
 

array 还是 matrix？

Numpy 中不仅提供了 array 这个基本类型，还提供了支持矩阵操作的类 matrix，但是一般推荐使用 array：

很多 numpy 函数返回的是 array，不是 matrix
在 array 中，逐元素操作和矩阵操作有着明显的不同
向量可以不被视为矩阵
具体说来：

• ， dot(), multiply()
  array： -逐元素乘法，dot() -矩阵乘法
  matrix：* -矩阵乘法，multiply() -逐元素乘法
• 处理向量
  array：形状为 1xN, Nx1, N 的向量的意义是不同的，类似于 A[:,1] 的操作返回的是一维数组，形状为 N，一维数组的转置仍是自己本身
  matrix：形状为 1xN, Nx1，A[:,1] 返回的是二维 Nx1 矩阵
• 高维数组
  array：支持大于2的维度
  matrix：维度只能为2
• 属性
  array：.T 表示转置
  matrix：.H 表示复共轭转置，.I 表示逆，.A 表示转化为 array 类型
• 构造函数
  array：array 函数接受一个（嵌套）序列作为参数——array([[1,2,3],[4,5,6]])
  matrix：matrix 函数额外支持字符串参数——matrix("[1 2 3; 4 5 6]")

其优缺点各自如下：

• 项目

  • 项目
    • 项目

• array

  • [GOOD] 一维数组既可以看成列向量，也可以看成行向量。v 在 dot(A,v) 被看成列向量，在 dot(v,A) 中被看成行向量，这样省去了转置的麻烦
  • [BAD!] 矩阵乘法需要使用 dot() 函数，如： dot(dot(A,B),C) vs ABC
  • [GOOD] 逐元素乘法很简单： A*B
  • [GOOD] 作为基本类型，是很多基于 numpy 的第三方库函数的返回类型
  • [GOOD] 所有的操作 *,/,+,**,… 都是逐元素的
  • [GOOD] 可以处理任意维度的数据
  • [GOOD] 张量运算

• matrix

  • [GOOD] 类似与 MATLAB 的操作
  • [BAD!] 最高维度为2
  • [BAD!] 最低维度也为2
  • [BAD!] 很多函数返回的是 array，即使传入的参数是 matrix
  • [GOOD] A*B 是矩阵乘法
  • [BAD!] 逐元素乘法需要调用 multiply 函数
  • [BAD!] / 是逐元素操作
    当然在实际使用中，二者的使用取决于具体情况。

二者可以互相转化：

• asarray ：返回数组
• asmatrix（或者mat） ：返回矩阵
• asanyarray ：返回数组或者数组的子类，注意到矩阵是数组的一个子类，所以输入是矩阵的时候返回的也是矩阵