Question

我有两个不同的数组，一个是字符串，另一个是整数。我想将它们连接到一个数组中，其中每列都具有原始数据类型。我目前的解决方案（见下文）将整个数组转换为dtype = string，这看起来非常低效。

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

combined_array和A.dtype = string时，B.dtype = int是否可以多次使用dtypes？

Answer 1

一种方法可能是使用record array。 “列”不会像标准numpy数组的列，但对于大多数用例，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执行与标准数组类似的操作。这称为“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')])

不同之处在于记录数组还允许对各个数据字段进行属性访问。标准结构化数组没有。

>>> 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'

Answer 2

一个简单的解决方案：将您的数据转换为对象＆＃39; O＆＃39;型

service SomeService {
  // health
  rpc HealthCheck(google.protobuf.Empty)
    returns (google.protobuf.Empty) {}
  // create
  rpc CreateSomething(SomeMessageType)
    returns (StringValue) {}

}

创建数组：

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

Answer 3

引用Numpy doc，有一个名为numpy.lib.recfunctions.merge_arrays的函数，可用于将不同数据类型的numpy数组合并为结构化数组或记录数组。

示例：

>>> from numpy.lib import recfunctions as rfn
>>> A = np.array([1, 2, 3])
>>> B = np.array(['a', 'b', 'c'])
>>> b = rfn.merge_arrays((A, B))
>>> b
array([(1, 'a'), (2, 'b'), (3, 'c')], dtype=[('f0', '<i4'), ('f1', '<U1')])

有关更多详细信息，请参阅上面的链接。

在一个NumPy阵列中存储不同的数据类型？

3 个答案: