nunmpy(三)——自定义数据类型：结构化数组

nunmpy(三)——自定义数据类型：结构化数组

import numpy as np

本篇介绍numpy中自定义数据类型的方法，以解决numpy中元素数据类型必须一致的问题

本篇的代码全部来自《Python数据科学手册从》中相关章节，见P81-P84

“numpy中结构化数组为复合的，异构的数据提供了非常有效的存储”，具体创建方法则如下：

首先假设三组关于个人信息的分类数据：

name = ["Alice","Bob","Cindy","David"]
age = [21,22,23,24]
weight = [65.0,66.5,67.0,68.5]

然后，可以通过一个names-formats字典创建结构化数据类型：

arr_strcture = np.zeros(4,dtype={
    "names":("name","age","weight"),  #指明字段的名称
    "formats":("U10","i1","f2")  #指明字段的数据类型
})
arr_strcture

array([('', 0,  0.), ('', 0,  0.), ('', 0,  0.), ('', 0,  0.)],
      dtype=[('name', '<U10'), ('age', 'i1'), ('weight', '<f2')])

现在，我们已经创建了一个结构化数组，但是数据仍然是空的，因此需要向其中填充数据。在结构化数组中，填充数据可以采用类似字典的方式：

arr_strcture["name"] = name
arr_strcture["age"] = age
arr_strcture["weight"] = weight
arr_strcture

array([('Alice', 21,  65. ), ('Bob', 22,  66.5), ('Cindy', 23,  67. ),
       ('David', 24,  68.5)],
      dtype=[('name', '<U10'), ('age', 'i1'), ('weight', '<f2')])

当然，数据填充完了以后还可以查找数据：

arr_strcture["age"] #按照字段进行数据查找

array([21, 22, 23, 24], dtype=int8)

arr_strcture["age"][1]

22

arr_strcture[0] #按照数据的自然结构进行查找，查找第一条数据

('Alice', 21,  65.)

arr_strcture[0:2]

array([('Alice', 21,  65. ), ('Bob', 22,  66.5)],
      dtype=[('name', '<U10'), ('age', 'i1'), ('weight', '<f2')])

你甚至可以做一些高级操作：

arr_strcture[arr_strcture["age"] <= 23]["name"] #找出表中年龄不大于24的人的名字

array(['Alice', 'Bob', 'Cindy'],
      dtype='<U10')

总之，一个结构化数组是非常类似于数据表的，可以按数据行和数据列（字段）进行操作

创建结构化数组的关键在于如何创建相应的dtype对象，除了上述的names-formats字典外，也可以用元组列表的方法：

data_type = np.dtype([("name","U10"),("age","i1"),("weight","f2")]) #创建一个dtype对象
data_type

dtype([('name', '<U10'), ('age', 'i1'), ('weight', '<f2')])

arr_strcture2 = np.zeros(4,dtype=data_type)
arr_strcture2

array([('', 0,  0.), ('', 0,  0.), ('', 0,  0.), ('', 0,  0.)],
      dtype=[('name', '<U10'), ('age', 'i1'), ('weight', '<f2')])