目前為止，介紹的numpy數(shù)組基本都是關(guān)于數(shù)值的，其實(shí)，numpy本身就是一個(gè)用于數(shù)值計(jì)算的基礎(chǔ)庫。

不過，除了數(shù)值計(jì)算之外，numpy也能夠支持結(jié)構(gòu)化數(shù)組。

1. 關(guān)聯(lián)不同類型數(shù)據(jù)

numpy的數(shù)組為了提高計(jì)算性能，要求數(shù)組的數(shù)據(jù)類型要一致。
但是現(xiàn)實(shí)情況下，我們經(jīng)常遇到不是純數(shù)值的數(shù)組，比如：

name = ["harry", "tom", "annie"]
sex = ["male", "male", "female"]
age = [40, 31, 14]

arr = np.array([name, sex, age])
print(arr)
#運(yùn)行結(jié)果
[['harry' 'tom' 'annie']
 ['male' 'male' 'female']
 ['40' '31' '14']]

上面三個(gè)數(shù)組的類型不一致，放到一個(gè)numpy數(shù)組中時(shí)，可以看出，age數(shù)組被自動(dòng)轉(zhuǎn)換為字符串類型了。

為了保持 age 數(shù)組的原有數(shù)據(jù)類型，就要用到numpy的結(jié)構(gòu)化數(shù)組了。

arr = np.zeros(
    3,
    dtype={"names": ("name", "sex", "age"), 
           "formats": ("U10", "U10", "i4")},
)
print(arr)
#運(yùn)行結(jié)果
[('', '', 0) ('', '', 0) ('', '', 0)]

arr["name"] = name
arr["sex"] = sex
arr["age"] = age
print(arr)
#運(yùn)行結(jié)果
[('harry', 'male', 40) 
 ('tom', 'male', 31)
 ('annie', 'female', 14)]

定義數(shù)組時(shí)，定義不同的names和formats，這樣，最后得到了結(jié)構(gòu)化的數(shù)組，每個(gè)元素是一個(gè)元組，元組中的三個(gè)元素分別是name，sex，age。

這樣的數(shù)組，保持了原數(shù)組的數(shù)據(jù)的類型。
補(bǔ)充：上面代碼中的 U10 表示長度小于10 的字符串，i4 表示占4個(gè)字節(jié)的整數(shù)。

2. 結(jié)構(gòu)化數(shù)組

生成結(jié)構(gòu)化數(shù)組的關(guān)鍵在于定義不同的數(shù)據(jù)類型。
定義數(shù)據(jù)了類型有兩種方式：
第一種是用字典，類似上面的示例那樣，

dtp = np.dtype(
    {"names": ("name", "sex", "age"), 
     "formats": ("U10", "U10", "i4")}
)
arr = np.zeros(3, dtype=dtp)

arr["name"] = name
arr["sex"] = sex
arr["age"] = age
print(arr)
#運(yùn)行結(jié)果
[('harry', 'male', 40) 
 ('tom', 'male', 31)
 ('annie', 'female', 14)]

還有一種方式是用元組列表來定義：

dtp = np.dtype([
    ("name", "U10"), 
    ("sex", "U10"),
    ("age", "i4")
])
arr = np.zeros(3, dtype=dtp)

arr["name"] = name
arr["sex"] = sex
arr["age"] = age
print(arr)
#運(yùn)行結(jié)果
[('harry', 'male', 40) 
 ('tom', 'male', 31)
 ('annie', 'female', 14)]

兩種方式定義出的結(jié)構(gòu)化數(shù)組是一樣的。

3. 更復(fù)雜的結(jié)構(gòu)

除了定義上面那種類似excel表格的二維結(jié)構(gòu)之外，numpy的數(shù)組也能定義跟復(fù)雜的結(jié)構(gòu)。
比如定義學(xué)生的成績列表：

dtp = np.dtype([("name", "U10"), ("scores", "f4", (3))])
arr = np.zeros(3, dtype=dtp)
print(arr)
#運(yùn)行結(jié)果
[('', [0., 0., 0.]) 
 ('', [0., 0., 0.]) 
 ('', [0., 0., 0.])]

arr["name"] = ["harry", "tom", "annie"]
arr["scores"] = [[100, 95.5, 93], [89, 90, 78.5], [77.5, 76, 90]]
print(arr)
#運(yùn)行結(jié)果
[('harry', [100. ,  95.5,  93. ]) 
 ('tom', [ 89. ,  90. ,  78.5])
 ('annie', [ 77.5,  76. ,  90. ])]

每個(gè)學(xué)生對應(yīng)一個(gè)成績列表，列表中包含3個(gè)成績。

4. 總結(jié)回顧

總的來說，numpy的結(jié)構(gòu)化數(shù)組并不常用，對于結(jié)構(gòu)化數(shù)組，使用 pandas庫來操作更好。
numpy庫一般作為純數(shù)值計(jì)算的底層來使用，其實(shí)pandas也是基于 numpy 的。

此外，還有很多其他的python科學(xué)計(jì)算的庫也是基于numpy的。文章來源地址http://www.zghlxwxcb.cn/news/detail-525561.html

到了這里，關(guān)于【numpy基礎(chǔ)】--結(jié)構(gòu)化的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！