关于 numpy的简单问题:
我将100个值加载到向量a
。从这个向量,我想创建一个包含2列的数组A
,其中一列名为“C1”,第二列为“C2”,一列为int32
,另一列为int64
。一个例子:
a = range(100)
A = array(a).reshape( len(a)/2, 2)
# A.dtype = ...?
当我从a
创建数组时,如何定义列的类型和名称?
答案 0 :(得分:11)
Numpy结构化数组已命名列:
import numpy as np
a=range(100)
A = np.array(zip(*[iter(a)]*2),dtype=[('C1','int32'),('C2','int64')])
print(A.dtype)
# [('C1', '<i4'), ('C2', '<i8')]
您可以按名称访问列:
print(A['C1'])
# [ 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48
# 50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90 92 94 96 98]
请注意,将np.array
与zip
一起使用会导致NumPy从一个临时的元组列表中构建一个数组。 Python的元组列表比等效的NumPy数组使用更多的内存。因此,如果您的数组非常大,则可能不想使用zip
。
相反,给定NumPy数组A
,您可以使用ravel()
使A
成为1D
数组,然后使用view
将其转换为结构化数组,然后使用
astype
将列转换为所需类型:
a = range(100)
A = array(a).reshape( len(a)/2, 2)
A = A.ravel().view([('col1','i8'),('col2','i8'),]).astype([('col1','i4'),('col2','i8'),])
print(A[:5])
# array([(0, 1), (2, 3), (4, 5), (6, 7), (8, 9)],
# dtype=[('col1', '<i4'), ('col2', '<i8')])
print(A.dtype)
# dtype([('col1', '<i4'), ('col2', '<i8')])
答案 1 :(得分:8)