返回介绍

01. Python 工具

02. Python 基础

03. Numpy

04. Scipy

05. Python 进阶

06. Matplotlib

07. 使用其他语言进行扩展

08. 面向对象编程

09. Theano 基础

10. 有趣的第三方模块

11. 有用的工具

12. Pandas

记录数组

发布于 2022-09-03 20:46:13 字数 3140 浏览 0 评论 0 收藏 0

记录数组(record array)与结构数组类似:

In [1]:

import numpy as np

质点类型:

In [2]:

partical_dtype = np.dtype([('mass', 'float'), 
                           ('velocity', 'float')])

生成记录数组要使用 numpy.rec 里的 fromrecords 方法:

In [3]:

from numpy import rec

particals_rec = rec.fromrecords([(1,1), (1,2), (2,1), (1,3)], 
                                dtype = partical_dtype)

In [4]:

particals_rec

Out[4]:

rec.array([(1.0, 1.0), (1.0, 2.0), (2.0, 1.0), (1.0, 3.0)], 
      dtype=[('mass', '<f8'), ('velocity', '<f8')])

在记录数组中,域可以通过属性来获得:

In [5]:

particals_rec.mass

Out[5]:

array([ 1.,  1.,  2.,  1.])

也可以通过域来查询:

In [6]:

particals_rec['mass']

Out[6]:

array([ 1.,  1.,  2.,  1.])

不过,记录数组的运行效率要比结构化数组要慢一些。

也可以通过将一个结构化数组看成记录数组:

In [7]:

particals = np.array([(1,1), (1,2), (2,1), (1,3)],
                     dtype = partical_dtype)

使用 view 方法看成 recarray

In [8]:

particals_rec = particals.view(np.recarray)

In [9]:

particals_rec.mass

Out[9]:

array([ 1.,  1.,  2.,  1.])

In [10]:

particals_rec.velocity

Out[10]:

array([ 1.,  2.,  1.,  3.])

对于自定义的类型,可以通过它的 names 属性查看它有哪些域:

In [11]:

particals.dtype.names

Out[11]:

('mass', 'velocity')

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文