메모리 효율성을 잃지 않고 NumPy 배열에서 다양한 데이터 유형을 결합하는 방법은 무엇입니까?

NumPy 배열에서 이종 데이터 유형 결합

NumPy에서는 다양한 데이터 유형을 포함하는 서로 다른 배열을 결합해야 하는 상황에 직면하는 것이 일반적입니다. 결합. 배열 연결은 간단한 솔루션을 제공하지만 전체 배열이 첫 번째 배열의 데이터 유형으로 변환되어 잠재적인 메모리 비효율성을 초래하는 경우가 많습니다.

이 문제를 해결하려면 다음 접근 방식을 고려하세요.

레코드 배열:

레코드 배열은 메모리 효율성을 저하시키지 않고 단일 배열에 이기종 데이터 유형을 저장할 수 있는 다양한 방법을 제공합니다. 각 열은 해당 데이터 유형이 있는 필드를 나타내는 테이블과 같은 구조를 사용합니다. 예를 들어 문자열 배열(A)과 정수 배열(B)을 결합하려면 다음과 같이 레코드 배열을 생성할 수 있습니다.

<code class="python">records = numpy.rec.fromarrays((A, B), names=('keys', 'data'))</code>

이제 레코드 배열은 두 개의 필드로 구성됩니다. 문자열) 및 데이터(정수). records['keys'] 및 records['data']와 같은 속성 액세스를 사용하여 이러한 필드에 개별적으로 액세스할 수 있습니다.

구조적 배열:

구조적 배열, 레코드 배열과 유사하게 배열에 대한 사용자 정의 데이터 유형을 정의하는 방법을 제공합니다. 속성 액세스를 사용하는 대신 인덱싱을 사용하여 다른 필드에 액세스합니다. 구조화된 배열을 생성하려면:

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

dtype 인수는 각 튜플이 필드 이름과 데이터 유형을 정의하는 튜플의 튜플을 지정합니다. 결과 배열 arr에는 인덱싱을 통해 액세스할 수 있는 키(문자열) 및 데이터(정수) 필드가 있습니다(예: arr['keys'] 및 arr['data']).

참고:

구조적 배열은 레코드 배열과 같은 속성 액세스를 제공하지 않습니다. 그러나 직접 인덱싱 방식으로 인해 특정 작업에 더 효율적일 수 있습니다. 또한 레코드 배열과 구조적 배열 모두 슬라이싱, 마스킹, 브로드캐스트 등의 작업을 지원하여 데이터 조작에 유연성을 제공합니다.

위 내용은 메모리 효율성을 잃지 않고 NumPy 배열에서 다양한 데이터 유형을 결합하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!