记录数组

记录数组（record array）与结构数组类似：

In [1]:

  1. import numpy as np

质点类型：

In [2]:

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

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

In [3]:

  1. from numpy import rec
  2.  
  3. particals_rec = rec.fromrecords([(1,1), (1,2), (2,1), (1,3)], 
  4.                                 dtype = partical_dtype)

In [4]:

  1. particals_rec

Out[4]:

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

在记录数组中，域可以通过属性来获得：

In [5]:

  1. particals_rec.mass

Out[5]:

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

也可以通过域来查询：

In [6]:

  1. particals_rec['mass']

Out[6]:

  1. 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]:

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

使用 view 方法看成 recarray ：

In [8]:

  1. particals_rec = particals.view(np.recarray)

In [9]:

  1. particals_rec.mass

Out[9]:

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

In [10]:

  1. particals_rec.velocity

Out[10]:

  1. 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]:

  1. particals.dtype.names

Out[11]:

  1. ('mass', 'velocity')

原文: https://nbviewer.jupyter.org/github/lijin-THU/notes-python/blob/master/03-numpy/03.21-record-arrays.ipynb