将不同的数据类型存储在一个NumPy数组中？

我有两个不同的数组，一个是字符串，另一个是整数。我想将它们连接成一个数组，其中每列都有原始数据类型。我目前的解决方案（见下文）将整个数组转换为dtype = string，这看起来效率很低。将不同的数据类型存储在一个NumPy数组中？

combined_array = np.concatenate((A, B), axis = 1)

是否有可能在combined_array时A.dtype = string和B.dtype = int多发dtypes？

2012-07-03 veor

的问题是有关使用NumPy的阵列。但是，如果有一个NumPy数组不是必需的，那么[Pandas DataFrame]（http://pandas.pydata.org/pandas-docs/stable/dsintro.html#dataframe）对于这种情况将会很好。 – crayzeewulf

一种方法可能是使用record array。 “列”不会像标准numpy的阵列的列，但对于大多数使用情况下，这已经足够：

>>> a = numpy.array(['a', 'b', 'c', 'd', 'e']) 
>>> b = numpy.arange(5) 
>>> records = numpy.rec.fromarrays((a, b), names=('keys', 'data')) 
>>> records 
rec.array([('a', 0), ('b', 1), ('c', 2), ('d', 3), ('e', 4)], 
     dtype=[('keys', '|S1'), ('data', '<i8')]) 
>>> records['keys'] 
rec.array(['a', 'b', 'c', 'd', 'e'], 
     dtype='|S1') 
>>> records['data'] 
array([0, 1, 2, 3, 4])

请注意，您还可以通过指定的数据类型做一个标准数组类似的东西阵列。这被称为“structured array”：

>>> arr = numpy.array([('a', 0), ('b', 1)], 
         dtype=([('keys', '|S1'), ('data', 'i8')])) 
>>> arr 
array([('a', 0), ('b', 1)], 
     dtype=[('keys', '|S1'), ('data', '<i8')])

的区别在于，记录阵列还允许属性访问各数据字段。标准结构化数组不。

>>> records.keys 
chararray(['a', 'b', 'c', 'd', 'e'], 
     dtype='|S1') 
>>> arr.keys 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
AttributeError: 'numpy.ndarray' object has no attribute 'keys'

来源

2012-07-03 11:41:50 senderle

这个替代工作很好，谢谢。 – veor

一个简单的解决方案：将您的数据为对象 'O' 型

z = np.zeros((2,2), dtype='U2') 
o = np.ones((2,1), dtype='O') 
np.hstack([o, z])

创建阵列：

array([[1, '', ''], 
     [1, '', '']], dtype=object)

来源

2017-05-18 21:47:41 astroMonkey

将不同的数据类型存储在一个NumPy数组中？

回答

相关问题