记录数组 ( numpy.rec )

记录数组将结构化数组的字段公开为属性.

最常见的情况是,ndarrays 包含单一类型的元素,例如 floats,integers,bools 等.但是,可以使用结构化类型将元素组合起来,例如:

Try it in your browser!

>>> import numpy as np
>>> a = np.array([(1, 2.0), (1, 2.0)],
...     dtype=[('x', np.int64), ('y', np.float64)])
>>> a
array([(1, 2.), (1, 2.)], dtype=[('x', '<i8'), ('y', '<f8')])

这里,每个元素由两个字段组成:x (一个 int) 和 y (一个 float).这被称为结构化数组.不同的字段类似于电子表格中的列.不同的字段可以像字典一样访问:

>>> a['x']
array([1, 1])

>>> a['y']
array([2., 2.])

记录数组允许我们将字段作为属性访问:

>>> ar = np.rec.array(a)
>>> ar.x
array([1, 1])
>>> ar.y
array([2., 2.])

Go BackOpen In Tab

函数

array(obj[, dtype, shape, offset, strides, ...])	从各种对象构造记录数组.
find_duplicate(list)	查找列表中的重复项,返回重复元素的列表
format_parser(formats, names, titles[, ...])	用于将格式,名称,标题描述转换为 dtype 的类.
fromarrays(arrayList[, dtype, shape, ...])	从(扁平)数组列表创建记录数组
fromfile(fd[, dtype, shape, offset, ...])	从二进制文件数据创建数组
fromrecords(recList[, dtype, shape, ...])	从文本形式的记录列表创建 recarray.
fromstring(datastring[, dtype, shape, ...])	从二进制数据创建记录数组

Also, the numpy.recarray class and the numpy.record scalar dtype are present in this namespace.