如何在numpy中创建更有效的结构化/rec数组
在numpy中，可以使用结构化数组（structured array）或记录数组（record array）来创建更有效的结构化/rec数组。
结构化数组是一种特殊的numpy数组，其中每个元素都可以包含多个字段（field），每个字段可以具有不同的数据类型。结构化数组可以通过指定字段名称和对应的数据类型来创建。
以下是在numpy中创建更有效的结构化数组的步骤：
- 导入numpy库：
import numpy as np - 定义字段名称和对应的数据类型：可以使用numpy的数据类型对象（如
np.int32、np.float64等）来定义字段的数据类型。例如，假设我们要创建一个包含姓名、年龄和身高的结构化数组，可以定义字段名称和数据类型如下： - 定义字段名称和对应的数据类型：可以使用numpy的数据类型对象（如
np.int32、np.float64等）来定义字段的数据类型。例如，假设我们要创建一个包含姓名、年龄和身高的结构化数组，可以定义字段名称和数据类型如下： - 创建结构化数组：使用
np.array()函数来创建结构化数组，并传入数据和定义的数据类型。例如，创建一个包含3个人员信息的结构化数组： - 创建结构化数组：使用
np.array()函数来创建结构化数组，并传入数据和定义的数据类型。例如，创建一个包含3个人员信息的结构化数组： - 访问结构化数组的字段：可以使用字段名称来访问结构化数组中的特定字段。例如，访问结构化数组中的姓名字段：
- 访问结构化数组的字段：可以使用字段名称来访问结构化数组中的特定字段。例如，访问结构化数组中的姓名字段：
结构化数组的优势在于可以同时存储不同类型的数据，并且可以通过字段名称来访问和操作特定的数据。它适用于需要处理多个字段的数据，例如表格数据、数据库查询结果等。
在腾讯云的产品中，与numpy中的结构化数组相关的产品包括腾讯云数据库（TencentDB）和腾讯云数据万象（COS）。
- 腾讯云数据库（TencentDB）：腾讯云提供了多种数据库产品，包括关系型数据库（如MySQL、SQL Server）和NoSQL数据库（如MongoDB、Redis）。这些数据库产品可以用于存储和管理结构化数据，提供高可用性、高性能和可扩展性。了解更多信息，请访问腾讯云数据库官方网站：腾讯云数据库
- 腾讯云数据万象（COS）：腾讯云数据万象是一种云端对象存储服务，可以用于存储和管理大规模的结构化和非结构化数据。它提供了丰富的功能，包括数据备份、数据迁移、数据加密等。了解更多信息，请访问腾讯云数据万象官方网站：腾讯云数据万象
通过使用腾讯云的数据库和对象存储服务，可以更好地管理和处理numpy中的结构化数组数据。
相关·内容
1回答
我正在尝试使用函数astype来强制转换DataFrame的类型，就像在NumPy中使用的一样。
NumPy中的First：
In [175]: x = np.rec.array([('a','1'),('b','2')],names='col1,col2')
In [176]: x
Out[176]:
rec.array([('a', '1'), ('b', '2')],
dtype=[('col1', '|S1
浏览 1提问于2012-07-26得票数 1
回答已采纳
我正在尝试使用现有数组的元素创建一个新数组。我一直收到:ValueError:使用buffer设置带有对象成员的void-array。
import numpy as np
import datetime
date = datetime.date(2013, 4, 5)
results = [(date,0,1,2,3), (date,5,1,5,6), (date,3,4,4,7)]
stock_dt = np.dtype([('date', object),
('open', np.int8),
浏览 1提问于2013-03-28得票数 1
回答已采纳
2回答
早上好，我仔细观察了一下，想办法在python中创建类似于struct数组的matlab。我的输入.csv文件头较少
我的matlab代码
dumpdata = csvread('dumpdata.csv');
N_dumpdata_samples = length(dumpdata);
rec_sample_1second = struct('UTC_time',{},'sv_id_set',{},'pseudorange',
{},'state',{});
for s=1:1:N_
浏览 2提问于2017-11-14得票数 0
回答已采纳
假设我有以下节点和元素数据类型，以及定义了一组节点的记录数组： In [1]: import numpy as np
In [2]: node=np.dtype([('x', np.float32), ('y', np.float32)])
In [3]: element=np.dtype([('i', node), ('j', node), ('k', node), ('l', node)])
In [4]: nodes = np.rec.array([(1,2), (3,4)], dty
浏览 12提问于2021-09-29得票数 1
1回答
可能是对的复制(但我不能评论-yet ;)。
在尝试将列添加到初始FITS_rec的子选择/示例(基于numpy的recarray)时，我也遇到了同样的问题；所有的行都会重新出现(而且这个新列的填充似乎没有得到尊重……)。Vlas提出的"hdu_sliced._get_raw_data()“是一个非常适合我的解决方案，但我想知道：
1) Iguananaut提出的“更好的方法”是什么？我当然需要有人帮我搜索它；我的新手感到卡住了:$ (必须呆在FITS_rec中)。
2)这是否一种预期的行为？也就是说，我们真的想要处理一个“蒙面数组”，它将是原始数组的副本吗？最让我担心的是新计算列中值
浏览 3提问于2018-10-01得票数 1
1回答
通常我用SQL查询一个在线数据库，但是数据库已经关闭了。我有一个包含需要查询的表的H5文件。我使用Table.read_where('condition')查询表，并为符合我的条件的每一行提供了一个numpy.void元素列表。有没有办法把这些行的列表变成Astropy表呢？这是我以前使用的所有代码，我不希望更改它。下面是我尝试将其转换为Astropy表的代码： import tables
from astropy.table import Table
import numpy as np
Data = tables.open_file('file_path'
浏览 13提问于2020-07-11得票数 0
回答已采纳
2回答
部分复制NumPy阵列
、、、
我有一个NumPy数组，它由40多个列组成。我的目标只是创建另一个数组，其中包含这些列的子集并附加数据。
我的代码是：
RecDtypes = []
RecColIds = ['REC*','GLOBAL*']
for name in Reconciliation.dtype.names:
for Id in RecColIds:
if fnmatch.fnmatch(name,Id):
RecDtypes.append(name)
#Change column names
if RecDtypes:
浏览 5提问于2017-03-27得票数 0
回答已采纳
我正在将一些代码从python 2移植到python 3。在我的代码中，我定义了字符串的数据类型，如下所示：
MAX_WORD_LENGTH = 32
DT_WORD = np.dtype([('word', str('U') + str(MAX_WORD_LENGTH))])
它显示为：
>> DT_WORD.descr
[('word', '<U32')]
现在，当我创建一个基本的numpy数组时，我没有得到任何错误：
>> import numpy as np
>> np.array
浏览 1提问于2016-11-13得票数 0
是否有一种从两个列表创建numpy.recarray的简单方法。例如，列出以下列表：
list1 = ["a","b","c"]
list2 = [1,2,3,4,5,6,7,8,9,10,11,12]
我想要做的是取得以下结果：
rec_array = np.rec.array([('a', 1), ('a', 2),('a', 3),('a', 4),
('b', 5), ('b', 6),(&#
浏览 1提问于2018-04-21得票数 2
回答已采纳
如何将Python数组转换为NumPy数组，保留混合数据类型，但将元组(括号)替换为方括号？您将注意到，前3列以int、float、float开头，最后一列是字符串。但是在第3块中，它们都变成了字符串！
以下是我的输出：
[(29606, 30.120779 , -97.309574 , 'DPCS')
(29606, 30.2312951 , -97.6918021 , 'DPCS')
(29606, 30.1682102 , -97.6160325 , 'DPCS')
(40880, 40.56634232, -83.1045648
浏览 1提问于2018-06-22得票数 0
1回答
我正在研究和几个相关的问题。事实证明，所有这些问题都与数组本身是结构化的，但其掩码不是：
In [38]: R = numpy.zeros(10, dtype=[("A", "<f2"), ("B", "<f4")])
In [39]: Rm = numpy.ma.masked_where(R["A"]<5, R)
In [41]: Rm.dtype
Out[41]: dtype([('A', '<f2'), ('B', '<
浏览 0提问于2015-01-28得票数 2
Numpy Structured Arrays named fields和xarray (xray) N-D标记数组有什么不同？
浏览 76提问于2019-02-15得票数 1
回答已采纳
我有一个大的2D Numpy数组，类似于arr = np.random.randint(0,255,(243327132, 3), dtype=np.uint8)。
我试图得到数组中唯一的行。使用np.unique，我得到以下内存错误：
unique_arr = np.unique(arr,axis=1)
---------------------------------------------------------------------------
MemoryError Traceback (most recent call
浏览 12提问于2022-08-16得票数 2
1回答
如果我定义一个recarray r，它有一个名为data的字段，如下所示
import numpy
r = numpy.zeros( 1, numpy.dtype([('data', 'f8')]) ).view(numpy.recarray )
数据字段将引用某个内部recarray缓冲区，而不是浮点数。确实，跑步
r.data
收益率
<read-write buffer for 0x7f3c10841cf8, size 8, offset 0 at 0x7f3c1083ee70>
而不是。我怀疑失败的原因是recarray已经有一个名为data
浏览 1提问于2015-09-29得票数 0
2回答
我们都知道："Numpy数组是所有相同类型的对象的多维数组“。
但是，我可以创建一个包含不同数据类型的Numpy数组，如下所示。有人能解释一下吗，怎么可能。
import numpy as np
a = np.array([('a',1),('b',2)],dtype=[('alpha','U11'),('num','i8')])
print(a[0][1]+1)
print(len(a[0][0]))
输出：
2
1
浏览 4提问于2021-08-01得票数 1
回答已采纳
2回答
我正在做一个ML项目，为了更快的计算，我使用了numpy数组而不是熊猫。
当我打算引导时，我希望从numpy ndarray中子集列。
我的numpy数组如下所示：
np_arr =
[(187., 14.45 , 20.22, 94.49)
(284., 10.44 , 15.46, 66.62)
(415., 11.13 , 22.44, 71.49)]
我要索引列1,3。
我将列存储在一个列表中，如ix = 1,3
但是，当我尝试执行np_arr:，ix时，会出现一个错误，指出数组的索引太多。
我还意识到，当我打印np_arr.shape时，我只得到(3，)，而我可能想要(3,4)
浏览 3提问于2020-03-25得票数 0
回答已采纳
new_dtyp = ny.dtype(finpat.dtype.descr + [('sl','i8'),('diff','i8'),('errtot','i8')])
paterror = ny.array(finpat, dtype=new_dtyp)
我使用的代码虽然可以工作，但给出了警告消息。如下所示..。
FutureWarning:在numpy 1.14中，具有不同字段名的结构化数组之间的赋值将发生变化。
以前，dst中的字段将被设置为src中同名字段的值。在numpy 1.14中，字
浏览 6提问于2018-02-12得票数 0
(此问题已由原作者修改，并修改了示例代码，以便您可以在您的机器上运行它)
我正在将时间序列数据加载到pytable中(在此测试用例中，大约有200万行，23列，主要是浮点值)。我还想在相同的pytable文件中创建一个相应的表，具有相同的行数、列数和列名，但使用int8数据类型作为质量控制‘掩码’。为此，我从数据表中检索列名和行数信息，并使用它来创建numpy零记录数组，该数组用于创建/附加到质量控制pytable表。
当我将numpy零记录数组附加到新的'mask‘pytable时，问题就出现了。即使用于创建/附加到pytable的numpy零记录数组的大小是正确的-得到的pytab
浏览 1提问于2012-09-19得票数 1
1回答
我有一个任意级别的嵌套字典，其中包含作为键的字段名，以及与值大小相同的一维numpy数组，例如：
d = {'a' : arr1, 'b' : {'b1' : arr2, 'b2' : {'c' : arr3}}}
是否有一种简单的方法来从它构建一个反映原始层次结构的numpy结构化数组？此外，如果给出了OrderedDict，则最好保留字段名排序。通常的np.array、np.asarray、np.rec.array函数似乎没有帮助。
浏览 3提问于2015-09-01得票数 2
回答已采纳
1回答
我试图为数学处理创建一个numpy数组，但我似乎无法正确地格式化我的代码。我有来自numpy数组的信号：'A','B','C','D','E'，我想成为数组的“头”或第0行。下面的行要从存储信号的同一个numpy数组中插入值，其中：
values = np.array(dat_arr[:,7])
signals = ['A','B','C','D','E']
我知道格式化[[signals],[values]]是不正确的，因为我想要一
浏览 2提问于2014-09-10得票数 0
回答已采纳
假设我有像d = [dict(animal='cat', weight=5), dict(animal='dog', weight=20)]这样的数据(基本上是JSON，其中所有条目都具有一致的数据类型)。 在Pandas中，您可以使用df = pandas.DataFrame(d)创建一个表--有什么可以与普通的NumPy记录数组相媲美的吗？np.rec.fromrecords(d)似乎没有提供我想要的东西。
浏览 4提问于2014-07-17得票数 13
我想使用"out“参数将记录的信号写入给定的numpy数组，但我没有得到任何音频附加到我正在传递的数组中。如果我想要使用默认的samplerate，是否应该定义samplerate？文档中没有具体的示例用法，因此如果有任何关于正确用法的建议，请参阅下面的示例：
import sounddevice as sd
import numpy as np
import time
input_chs = [1,2]
rec_array = np.zeros([1, len(input_chs)])
sd.rec(out=rec_array, mapping=input_chs)
time.sl
浏览 17提问于2019-03-06得票数 0
2回答
我有一个简单的元素列表，我正在尝试用它做一个。
这种天真的方法失败了：
y = np.array([1,2,3], dtype=[('y', float)])
TypeError: expected an object with a buffer interface
将每个元素放入元组中是有效的：
# Manuel way
y = np.array([(1,), (2,), (3,)], dtype=[('y', float)])
# Comprehension
y = np.array([tuple((x,)) for x in [1,2,3]], dtype
浏览 5提问于2017-04-24得票数 11
回答已采纳
1回答
我有一个二维numpy数组visrec。如果我这样做了
print visrec[0,:]
我得到了这个输出：
[ a1 a2 a3 a4 a5 a6]
其中a1, a2,..是dtype=float64
更清楚地说，visrec是一个存储在numpy.array对象中的1x6矩阵。它最初是使用以下命令创建的：
visrec=numpy.array(numpy.zeros((1,6)))
在一个循环中，我修改了visrec并将修改记录存储在一个列表中。我基本上是将每个修改添加到列表rec_history=[]中。我使用以下命令：
rec_history.append(vis
浏览 0提问于2012-05-13得票数 1
回答已采纳
3回答
import numpy as np
from numpy import genfromtxt
train = genfromtxt('/Users/hhimanshu/Downloads/dataset/digitrecognizer/a.csv', delimiter=',', names=True)
当我运行形状信息时，我得到
# if train is ndarray
print 'shape(Tuple of array dimensions) = ', train.shape
print 'dimension(Number
浏览 10提问于2012-11-10得票数 0
回答已采纳
1回答
NumPy数组具有很好的性能和易用性(比列表更容易分割、索引)。
我尝试用NumPy structured array而不是dict of NumPy arrays构建数据容器。问题是性能更差。使用同构数据的糟糕程度约为2.5倍，对于异构数据约为32倍(我指的是NumPy数据类型)。
有办法加快结构化数组的运行速度吗？我试着把记忆顺序从“c”改为“f”，但这没有任何影响。
下面是我的分析代码：
import time
import numpy as np
NP_SIZE = 100000
N_REP = 100
np_homo = np.zeros(NP_SIZE, dtype=[(
浏览 0提问于2016-01-21得票数 11
2回答
我正在构建模拟软件，我需要将(数千)二维numpy数组写入HDF5文件中的表中，其中数组的一个维度是可变的。传入的array是float32类型的；为了节省磁盘空间，每个数组都存储为一个表，为列提供适当的数据类型(因此不使用数组)。当我阅读表时，我想检索一个numpy.ndarray类型的float32，这样我就可以进行很好的分析计算。下面是包含A、B和C+时间的数组的示例代码。
我目前的阅读和写作方式‘作品’，但它是非常缓慢的。因此，问题是:快速将array存储到table中并将其再读回ndarray的适当方式是什么？我一直在试验numpy.recarray，但是我不能让它工作(类型错误、尺
浏览 0提问于2017-04-26得票数 1
回答已采纳
我正在寻找一种更有效地分配numpy结构化数组列的方法。
示例：
my_col = fn_returning_1D_array(...)
在我的机器上执行比对结构化数组的列的相同赋值快两倍以上：
test = np.ndarray(shape=(int(8e6),), dtype=dtype([('column1', 'S10'), ...more columns...]))
test['column1'] = fn_returning_1D_array(...)
我试着用fortran命令创建test，但是没有帮助。想必这些字段在记忆中交织在一
浏览 0提问于2015-04-18得票数 2
但是，我不明白这一点，例如：
import numpy as np
ints = np.array([3,3,3,2,2,1,1,4,4])
ints.unique() # this won't work
np.unique(ints) # this works
但是，有些功能是双向工作的。
ints.sum()
np.sum(ints)
我正在读一些粗俗的文档，attributes和methods之间有什么不同？arributes会返回一些东西，methods也会返回一些东西。
浏览 2提问于2017-05-21得票数 1
回答已采纳
1回答
按名称访问列数据时出错
、、、
我很难通过列名从结构化的numpy数组获取数据。最后是我的相关代码。我认为它很简单，很短，可以全部发布(这是一个很简单的)。
如果test.out文件不存在，可以将数据生成为简单的数据。我总是从文件中加载数据，只是为了测试目的。这在这里不重要(我想)。然后，如果文件中的数据是同质的，我将强制使用结构化数组。我想通过像data['f3']这样的列名来访问数据，但是我得到了一些奇怪的形状。我得到了一个单元素列表。例如：
shape: (10, 1), data['f3']:
[[ 0.50308252]
[ 0.16259077]
[ 0.5448315 ]
浏览 2提问于2014-01-13得票数 1
回答已采纳
1回答
我把我的问题缩小到以下几个方面：
import numpy as np
out_file = "results.txt"
results = [[1,2,3,.4,"5"]] # just one row for testing
format = ['%i', '%i', '%i', '%f', '%s']
np.savetxt(out_file, results, format, '\t')
我只是尝试保存5列数据:3条ints，1条浮点和1条字符串。当我尝试这
浏览 1提问于2018-09-19得票数 1
回答已采纳
我想要创建一个包含特定值的数组。对于简单的数据类型，我可以使用np.full来完成。例如，以下代码将生成长度为10的数组，其中每个值为64位整数10：
import numpy as np
arr = np.full((10,), -1, np.int64)
但我有更复杂的、混合的数组数据类型。例如，我希望下面的代码能够工作：
import numpy as np
data_type = [("value_1", np.int64), ("value_2", np.float64)]
default = (-1, np.nan)
arr = np.full((1
浏览 1提问于2019-04-25得票数 0
我试图通过使用numpy数组删除for循环和列表理解来优化我的代码。一般来说，代码的执行速度现在更快了，但是有一件事让我很困扰:将我的列表(大约有110000个元素)转换成一个numpy数组需要花费程序运行时的大部分时间(5到7秒，只是为了初始化一个数组！)
我有这个
rec = np.array(records)
其中records是对象的列表。
有没有可能加速这个numpy数组的创建？
浏览 2提问于2015-05-03得票数 3
2回答
这可能有一些重复的线程，但老实说我找不到合适的解决方案。熊猫将是一个简单的解决方案，但在我正在研究的项目中，不会将熊猫作为依赖项。 我正在尝试将列名添加到Numpy数组中，基本上将其转换为结构化数组，即使数据类型都是相同的。 我试过了： signal = np.array([[1,2,3],[1,2,3],[1,2,3]])
col_names = ('left','right','center')
signal = np.array(signal, dtype = [(n, 'int16') for n in col_name
浏览 1089提问于2019-04-08得票数 1
我刚开始使用numpy数组，在创建结构化数组时遇到了麻烦。我想创建类似于Matlab结构的东西，其中字段可以是不同形状的数组。
a=numpy.array([1, 2, 3, 4, 5, 6,]);
b=numpy.array([7,8,9]);
c=numpy.array([10,11,12,13,14,15,16,17,18,19,20]);
##Doesn't do what I want
data=numpy.array([a, b, c],dtype=[('a','f8'),('b','f8'),('c
浏览 0提问于2012-09-12得票数 6
回答已采纳
我有以下numpy复合数据类型：
mytype = numpy.dtype([('x', 'f8'),
('y', 'f8'),
('z', 'f8'))])
但是，当我试图填充这种类型的向量时，它比三个单独的数组慢了60倍：
#!/usr/bin/env python3
import time
import random
import numpy
mytype = numpy.dtype([('x&
浏览 6提问于2015-11-04得票数 1
回答已采纳
既然pandas提供了数据帧结构，那么numpy中还需要结构化/记录数组吗？我需要对需要这种结构化数组类型框架的现有代码进行一些修改，但从现在开始，我正在考虑使用pandas代替它。我会不会发现我需要一些pandas不提供的结构化/记录数组的功能？
浏览 2提问于2012-08-21得票数 22
回答已采纳
2回答
所以我真的放弃了..。我想预先分配一个巨大的2d-numpy数组和shape(10000000,3)，每个列都有一个特定的dtype。
示例：
a b c
-------- --------- --------
uint32 float32 uint8
------ ------ ------
90 2.43 4
100 2.42 2
123 2.33 1
因此，我可以创建一个2d数组，如下所示：
a
浏览 4提问于2020-05-08得票数 3
回答已采纳
1回答
我对numpy完全陌生，正在尝试创建一个结构化数组。我的输入如下： data = [2, 0, '1431.033', '436.7573', '170.9705', 0, '', 0]
dt = [('ID', 'int'),
('CP', 'int'),
('X1', 'float'),
('X2', 'float'),
('X3',
浏览 11提问于2021-08-04得票数 0
回答已采纳
我去了的链接
是否必须创建RDD来执行操作，我们可以开始使用数据帧。与Dataframe相比，RDD有什么优势吗？
我们能不能运行Pandas，numpy数据帧功能上的火花。对于numpy the np.where和像df.groupby‘’..agg()这样的熊猫
浏览 5提问于2020-01-21得票数 0
回答已采纳
我无法在numpy数组的外轴上迭代。
import numpy as np
a = np.arange(2*3).reshape(2,3)
it = np.nditer(a)
for i in it:
print i
正如人们所期望的那样，这意味着：
0
1
2
3
4
5
但是，我希望输出以三种形式出现，这样我就迭代了外部轴：
(0, 1, 2)
(3, 4, 5)
我知道很多方法可以实现这一点，但是在大量使用之后，我似乎无法找到使用nditer的解决方案。我是利用这个机会来学习的。因此，我宁愿不使用其他的解决方案，除非它真正更有效或节能型。
浏览 3提问于2017-03-25得票数 4
回答已采纳
我有一个浮动的NumPy记录数组：
import numpy as np
ar = np.array([(238.03, 238.0, 237.0),
(238.02, 238.0, 237.01),
(238.05, 238.01, 237.0)],
dtype=[('A', 'f'), ('B', 'f'), ('C', 'f')])
如何从这个记录数组中确定min/max？我常用的ar.min()尝试失败
浏览 3提问于2012-07-04得票数 4
回答已采纳
1回答
我试图将列名添加到现有的numpy数组中。
我在这个中看到，.dtype.names提供(并设置) numpy数组的列名。
然而，当我有一个现有的数组，并且我试图命名列时，我会得到以下消息。
我确信这是一个基本的问题，我错过了一些相当基本的问题，但仍然找不到答案：
a = np.array([[1,2,3],[4,5,6]])
a.dtype.names = 'ColA', 'ColB', 'ColC'
-----------------------------------------------------------------------
浏览 1提问于2020-10-24得票数 0
回答已采纳
1回答
我正在尝试在一个非常规记录中添加一列。
这是我的密码：
import numpy
import numpy.lib.recfunctions
data=[[20140101,'a'],[20140102,'b'],[20140103,'c']]
data_array=numpy.array(data)
data_dtype=[('date',int),('type','|S1')]
data_rec=numpy.core.records.array(list(tuple(data_array.tra
浏览 0提问于2014-07-21得票数 3
回答已采纳
我有一个namedtuple对象列表，我想把它们放到一个numpy数组中，这样我就可以使用它方便的索引赋值操作。考虑像这样的输入，
In [3]: Point = namedtuple("Point", ["x", "y"])
In [4]: x_lst = [Point(1, 2), Point(3, 4)]
默认情况下，numpy将在其输入之外创建2D数组，
In [5]: numpy.array(x_lst)
Out[5]:
array([[1, 2],
[3, 4]])
In [6]: numpy.array(x_lst)
浏览 1提问于2015-08-06得票数 4
有几个类似的问题，但没有一个直接回答这个简单的问题：
如何在不使用创建临时字符串对象的情况下捕获输出命令和将内容流到numpy数组中的？
所以，我想做的是：
import subprocess
import numpy
import StringIO
def parse_header(fileobject):
# this function moves the filepointer and returns a dictionary
d = do_some_parsing(fileobject)
return d
sio = StringIO.StringIO(su
浏览 3提问于2012-10-24得票数 7
回答已采纳
1回答
在某些情况下，希望由连接的numpy数组覆盖原始numpy数组。我想讨论一下复杂的结构化数组中的一个numpy数组的例子。这个问题是通过回答关于结构化数组的问题而产生的。
import numpy as np
x = np.zeros(1, dtype = [('Table', float64, (2, 2)),
('Number', float),
('String', '|S10')])
# Append values to
浏览 6提问于2014-12-23得票数 3
回答已采纳
假设我有一个numpy recarray，如下所示：
r = np.rec.array([(1,2,'Hello'),(2,3,"World")], \
dtype=[('foo', 'i4'),('bar', 'i4'), ('baz', 'S10')])
现在我想获取存储在dict中的以下表达式返回'True‘的所有对象，
expression = {'foo':1,'bar':3.,
浏览 6提问于2016-06-30得票数 0
回答已采纳
4回答
我需要获取一个csv文件，并将此数据导入到python中的多维数组中，但在将数据附加到空数组后，我不确定如何从数组中剥离'None‘值。
我首先创建了一个这样的结构：
storecoeffs = numpy.empty((5,11), dtype='object')
这将返回一个由'None‘填充的5行x11列的数组。
接下来，我打开csv文件并将其转换为数组：
coeffsarray = list(csv.reader(open("file.csv")))
coeffsarray = numpy.array(coeffsarray, dtyp
浏览 3提问于2010-08-07得票数 1
回答已采纳
3回答
好的，在阅读了有关numpy的结构化数组的教程之后，我可以创建一些简单的示例：
from numpy import array, ones
names=['scalar', '1d-array', '2d-array']
formats=['float64', '(3,)float64', '(2,2)float64']
my_dtype = dict(names=names, formats=formats)
struct_array1 = ones(1, dtype=my_dtype)
stru
浏览 2提问于2014-10-13得票数 8
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
