2024-06-11 14:24:45 发布
网友
numpy manual提到了numpy.save的用例
Annie Analyst has been using large nested record arrays to represent her statistical data.
是否有可能没有dtype=object的嵌套记录数组?如果是,怎么办?在
可以按照构造嵌套列表的方式构造嵌套数组:
nested_list = [['a',1],['b',2],['c',3]] import numpy as np nested_array = np.array(nested_list)
是的,就像这样:
engine_dt = np.dtype([('volume', float), ('cylinders', int)]) car_dt = np.dtype([('color', int, 3), ('engine', engine_dt)]) # nest the dtypes cars = np.rec.array([ ([255, 0, 0], (1.5, 8)), ([255, 0, 255], (5, 24)), ], dtype=car_dt) print(cars.engine.cylinders) # array([ 8, 24])
在这里,np.dtype函数并不是绝对必要的,但它通常是一个好主意,并且相对于每次让array调用它,它的速度有了小幅度的提高。在
np.dtype
array
注意,rec.array在这里只需要使用.engine符号。如果您使用普通的np.array,那么您应该使用cars['engine']['cylinders']
rec.array
.engine
np.array
cars['engine']['cylinders']
可以按照构造嵌套列表的方式构造嵌套数组:
是的,就像这样:
在这里,
np.dtype
函数并不是绝对必要的,但它通常是一个好主意,并且相对于每次让array
调用它,它的速度有了小幅度的提高。在注意,
rec.array
在这里只需要使用.engine
符号。如果您使用普通的np.array
,那么您应该使用cars['engine']['cylinders']
相关问题 更多 >
编程相关推荐