按名称寻址数组列

日期2010-03-09（最后修改），2008-06-27（创建）

有两种非常密切相关的访问数组列的方法：记录数组和结构化数组。结构化数组只是具有复杂数据类型的 ndarray

In [ ]

#!python numbers=disable
In [1]: from numpy import *
In [2]: ones(3, dtype=dtype([('foo', int), ('bar', float)]))
Out[2]:
array([(1, 1.0), (1, 1.0), (1, 1.0)],
      dtype=[('foo', '<i4'), ('bar', '<f8')])
In [3]: r = _
In [4]: r['foo']
Out[4]: array([1, 1, 1])

记录数组是 ndarray 的子类，它只是为结构化数组添加了属性访问

In [ ]

#!python numbers=disable
In [10]: r2 = r.view(recarray)
In [11]: r2
Out[11]:
recarray([(1, 1.0), (1, 1.0), (1, 1.0)],
      dtype=[('foo', '<i4'), ('bar', '<f8')])
In [12]: r2.foo
Out[12]: array([1, 1, 1])

记录数组的一个缺点是属性访问功能会减慢所有字段访问的速度，即使是 r['foo'] 形式，因为它在中间插入了许多纯 Python 代码。许多代码不会注意到这一点，但如果你最终需要遍历记录数组，这将成为你的一个热点。

结构化数组有时被称为记录数组。

. - lightly adapted from a Robert Kern post of Thu, 26 Jun 2008 15:25:11 -0500

转换为普通数组并重塑¶

一个展示如何有效地将结构化数组重新格式化为普通 ndarray 的小脚本。

基于：打印结构化数组.

In [ ]

#!python numbers=disable

import numpy as np

data = [ (1, 2), (3, 4.1), (13, 77) ]
dtype = [('x', float), ('y', float)]

print('\n ndarray')
nd = np.array(data)
print nd

print ('\n structured array')

struct_1dtype = np.array(data, dtype=dtype)
print struct_1dtype

print('\n structured to ndarray')
struct_1dtype_float = struct_1dtype.view(np.ndarray).reshape(len(struct_1dtype), -1)
print struct_1dtype_float

print('\n structured to float: alternative ways')
struct_1dtype_float_alt = struct_1dtype.view((np.float, len(struct_1dtype.dtype.names)))
print struct_1dtype_float_alt

# with heterogeneous dtype.
struct_diffdtype = np.array([(1.0, 'string1', 2.0), (3.0, 'string2', 4.1)],
dtype=[('x', float),('str_var', 'a7'),('y',float)])
print('\n structured array with different dtypes')
print struct_diffdtype
struct_diffdtype_nd = struct_diffdtype[['str_var', 'x', 'y']].view(np.ndarray).reshape(len(struct_diffdtype), -1)


print('\n structured array with different dtypes to reshaped ndarray')
print struct_diffdtype_nd


print('\n structured array with different dtypes to reshaped float array ommiting string columns')
struct_diffdtype_float = struct_diffdtype[['x', 'y']].view(float).reshape(len(struct_diffdtype),-1)
print struct_diffdtype_float

章节作者：jh，TimMichelsen