将不同的数据类型存储在一个NumPy数组中？

Question

我有两个不同的数组，一个带有字符串，另一个带有整数。我想将它们连接成一个数组，其中每一列都具有原始数据类型。我当前执行此操作的解决方案（请参见下文）将整个数组转换为dtype
= string，这似乎在内存方面效率很低。

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

combined_array何时A.dtype = string和何时可能使dtypes多元化B.dtype = int？

Answer 1

一种方法可能是使用记录数组。“列”与标准numpy数组的列不同，但是对于大多数用例来说，这就足够了：

>>> 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，您还可以通过指定数组的数据类型来对标准数组执行类似的操作。这被称为“结构化数组”：

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

区别在于记录数组还允许对单个数据字段的属性访问。标准结构化数组则没有。

>>> 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'