在 NumPy 数组中组合异构数据类型
在 NumPy 中，经常会遇到需要组合包含不同数据类型的不同数组的情况合并。虽然连接数组提供了一种简单的解决方案，但它通常会导致整个数组转换为第一个数组的数据类型，从而导致潜在的内存效率低下。
要解决这一挑战，请考虑以下方法：
记录数组：
记录数组提供了一种通用方法，可以在单个数组中存储异构数据类型，而不会影响其内存效率。它们采用类似表格的结构，其中每一列代表一个具有相应数据类型的字段。例如，要将字符串数组 (A) 与整数数组 (B) 组合起来，您可以创建一个记录数组，如下所示：
<code class="python">records = numpy.rec.fromarrays((A, B), names=('keys', 'data'))</code>记录数组现在由两个字段组成：keys (字符串）和数据（整数）。您可以使用属性访问单独访问这些字段，例如记录['keys']和记录['data']。
结构化数组：
结构化数组，与记录数组类似，提供一种为数组定义自定义数据类型的方法。他们不使用属性访问，而是使用索引来访问不同的字段。要创建结构化数组：
<code class="python">arr = numpy.array([('a', 0), ('b', 1)], dtype=([('keys', '|S1'), ('data', 'i8')]))</code>dtype 参数指定元组的元组，其中每个元组定义字段名称和数据类型。生成的数组 arr 具有可通过索引访问的字段键（字符串）和数据（整数），例如 arr['keys'] 和 arr['data']。
注意：
结构化数组不提供像记录数组那样的属性访问。然而，由于它们的直接索引方法，它们对于某些操作来说可以更有效。此外，记录数组和结构化数组都支持切片、屏蔽和广播等操作，为数据操作提供了灵活性。
以上是如何在 NumPy 数组中组合不同数据类型而不损失内存效率？的详细内容。更多信息请关注PHP中文网其他相关文章！
