最新Python numpy之结构化数据类型_numpy结构化数据类型，2024年最新Python攒了一个月的面试题及解答

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

我们都知道，如果使用Python内置库中，我们都知道可以支持key-value字典的数据类型，可以轻松实现我们上述的场景。

哪如果numpy 如果不支持这一场景，我们就放弃使用它，哪它怎么会是科学Python 和PyData生态系统的核心？

一通网上查阅，哈哈，终于被我们发现了，numpy 数组还有一种叫结构化数组的概念。

本期，我们将学习 numpy 库的结构化数组相关知识，Let’s go~

1. numpy 结构化数组概述

• 什么是结构化数组？

numpy 结构化数组是通过dtype 定义的字段组成的一组ndarray数组。

我们使用Python中dict可以轻松使用key-value形式、list或者tuple就可以定义如下数据。

Python dict 字典实现：

stu1 = {“name”:“Tom”,“age”:10,“weight”:50}
stu2 = {“name”:“Anne”,“age”:12,“weight”:42}
stu_list = [stu1,stu2]
复制代码

Python list+tuple实现

stu_list = [(“Tom”,10,50),(“Anne”,12,42)]
复制代码

对于numpy 结构化数组，通过 dtype 定义每个字段数据类型，实现如下

stu_list = np.array([(“Tom”,10,50),(“Anne”,12,42)],dtype=[(“name”,“U10”),(“age”,“i4”),(“weight”,“i8”)])
stu_list
array([(‘Tom’, 10, 50), (‘Anne’, 12, 42)],
dtype=[(‘name’, ‘<U10’), (‘age’, ‘<i4’), (‘weight’, ‘<i8’)])

复制代码

numpy 数组中，我们可以通过dtype 查询数组中元素的数据类型。

在上述案例中，我们定义name字段数据类型为Unicode,age字段为int32,weight字段为int64

numpy 支持的数据类型与C语言的数据类型对应，常见的有如下几个及对应的内置码

| 数据类型 | 内置码 | 意义 |
| --- | --- | --- |
| int8 | i1 | 字节（-128 to 127） |
| int16 | i2 | 整数,16位字节 |
| int32 | i4 | 整数,32位字节 |
| int64 | i8 | 整数,64位字节 |
| float16 | f2 | 浮点型，16位字节 |
| float32 | f4 | 浮点型，32位字节 |
| float64 | f8 | 浮点型，64位字节 |
| bool_ | b | 布尔类型 |
| Unicode | U | Unicode编码 |
| String | S | 字符串 |

• 结构化数组特点

  • 结构化数据类型创建来源于 C 语言数据结构，并且可以共享内存空间
  • numpy 结构化数组是解决C代码接口和结构化缓冲区的低级操作
  • 结构化数组支持数据嵌套、联合，并允许控制其内存布局
  • 结合化数组因为基于C结构的内存布局，不适合操作表格数据导致缓存行为不佳

2. 结构化数据类型类型

通过上述，我们知道numpy 结构化数组与普数组主要区别是，在创建时需要通过dtype定义数组中数据字段类型。

因此，结构化数据类型可以被看做一定长度的字节序列（itemsize）,通常被解释为字段的集合。

通常字段中主要由三部分组成：字段名称，数据类型和字节偏移量(可选)

3. 结构化数据类型创建

在 numpy 库中我们可以使用 numpy.dtypej来进行创建结构化数据类型。

• 方法一：元组列表形式

在结构化数据类型创建可以使用元组形式进行定义。

+ 每一个元组表示一个字段的，形式如(name,datatype,shape)
+ 元组中的shape 字段是可选字段
+ datatype可以定义为任何类型

>>> np.dtype([("address","S5"),("family","U10",(2,2))])
dtype([('address', 'S5'), ('family', '<U10', (2, 2))])
>>>
复制代码


### 最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~  

给大家准备的学习资料包括但不限于：  

Python 环境、pycharm编辑器/永久激活/翻译插件  

python 零基础视频教程  

Python 界面开发实战教程  

Python 爬虫实战教程  

Python 数据分析实战教程  

python 游戏开发实战教程  

Python 电子书100本  

Python 学习路线规划

![](https://img-blog.csdnimg.cn/d29631674929476f9c3b30f7ff58dff0.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70)




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4304bb5a486d4c3ab8389e65ecb71ac0)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**