使用python创造结构化数组
最近要对一批数据进行批量处理,每组数据有对应的名称以及相关数据,刚好想起前不久看的C++的结构体相关知识,想尝试一下是否能在python中使用结构化数组实现对数据的处理。
结构化数组的创建及删改
方法来源于[引用1](链接位于下方),此处主要使用一下方法:
自定义结构体名 = np.array({‘names’:[‘名称1’, ‘名称2’…],‘formats’:[‘名称1数据类型’,‘名称1数据类型’…]}).
init_box_info_Type = np.dtype({'names': ['ID', 'X', 'Y', 'W', 'H', 'Center_X', 'Center_Y', 'Radius'],
'formats': ['S32', 'i', 'i', 'i', 'i', 'i', 'i', 'i']})
此处以我的代码为例:里面包括一个字符串’ID‘,和7个整型变量。
声明一个含有10个元素的结构化数组:
len_contours = 10
Data = np.array([( 'zero', 0, 0, 0, 0, 0, 0, 0)] * len_contours, dtype=init_box_info_Type)
print(Data)
运行结果如下
可见现在字符串为zero,数值都为0。但是结构体中取出的字符串却是b’zero’,其原因参考自[引用2]。是一个bytes序列,说明见: 官方链接. 我们先将其取出并赋值给s,再将编码后的值赋给s1,来看看输出
s = Data_result[0][0]
s1 = s.decode('utf-8')
print(s)
print(s1)
很明显,编码后输出就正确了。
对结构化数组进行赋值
代码如下:
x, y, w, h = c
Center_x = c[2]/2+c[0]
Center_y = c[3]/2+c[1]
radius = math.sqrt((w/2)**2+(h/2)**2)
result = 'result'
i = 0
Data[i][0], Data[i][1], Data[i][2], Data[i][3], Data[i][4], Data[i][5], Data[i][6], Data[i][7] = \
result, x, y, h, w, int(Center_x), int(Center_y), int(radius)
print(Data)
打印输出得到
可见我们对第一个进行了修改。可以向上面我这样进行统一修改也可以单独修改某一个值。
插入元素
此处参考来自于[引用3],通过以下语句来插入
结果数组 = np.insert(被插入数组, 插入行数, 插入数据, 按行插入)
axis = 0 代表按行插入,axis = 1 代表按列插入。
对结构体数组此方法只能按行插入,对其按列插入需要用其他方法。
Data = np.insert(Data, 0, values=Data[0], axis=0)
运行结果如下:可以看到我们插入了一行
删除特定行
import numpy as np
A = np.delete(A, 1, 0) # 删除A的第二行
B = np.delete(B, 2, 0) # 删除B的第三行
C = np.delete(C, 1, 1) # 删除C的第二列
来自[引用5]
排序
这里使用插入排序法,将结构元素一个个取出,以其中第二项的值来作为比较标准进行排序。
先定义一个要排序的数组Data,通过len()得到他的个数i。再定义一个用来临时存放数据的数组Data_result,同样每次循环得到他的个数j。如下为数组和用来判断插入是否发生的标志位have_done.
Data = np.array([('one', 5, 0, 0, 0, 0, 0, 0),
('two', 4, 0, 0, 0, 0, 0, 0),
('three', 3, 0, 0, 0, 0, 0, 0),
('four', 2, 0, 0, 0, 0, 0, 0),
('five', 1, 0, 0, 0, 0, 0, 0)], dtype=init_box_info_Type)
Data_result = np.array([('result', 0, 0, 0, 0, 0, 0, 0)], dtype=init_box_info_Type)
have_done = 0
流程图如上,讲道理有点混乱,后面有机会再优化。
实现代码如下:
for i in range(5):
if i == 0:
Data_result[i] = Data[i]
else:
len_Data_result = len(Data_result)
have_done1 = 0
j = 0
while have_done1 == 0:
if Data[i][1] <= Data_result[j][1]:
Data_result = np.insert(Data_result, j, values=Data[i], axis=0)
have_done1 = 1
else:
if j == len_Data_result-1:
Data_result = np.insert(Data_result, j+1, values=Data[i], axis=0)
have_done1 = 1
elif j <= len_Data_result-1:
j = j + 1
have_done1 = 0
print(Data_result)
得到结果如下图:
这里使用的是插值排序法,具体参考引用4。
引用1: Python 中 NumPy 的结构化数组.
引用2: python3 中的b’'解析.
引用3: 对python numpy.array插入一行或一列的方法详解.
引用4: 十大经典排序算法(动图演示).
引用5: 删除numpy.array中的行或列.