Numpy 修炼之道 （10）—— 结构化数组

之前我们操作Numpy的数组时，都是通过索引来操作的。针对二维数组，使用索引可以完成对行、列的操作。但是这是非常不直观的。可以把二维数组想象成一个excel表格，如果表格没有列名，操作起来会非常麻烦，针对这种情况，Numpy提供了结构化数组用来操作每列数据。
之前我们操作Numpy的数组时，都是通过索引来操作的。针对二维数组，使用索引可以完成对行、列的操作。但是这是非常不直观的。可以把二维数组想象成一个excel表格，如果表格没有列名，操作起来会非常麻烦，针对这种情况，Numpy提供了结构化数组用来操作每列数据。
来看一个示例：
>>> x = np.array([('Bob', 18,
2000.0),('Tom', 23, 4000.0)],
... dtype=[('name', 'S10'), ('age', np.int_), ('incom', np.float_)])
>>> x
array([('Bob', 18,  2000.), ('Tom', 23,  4000.)],
     dtype=[('name',
'S10'), ('age', '<i4'), ('incom', '<f8')])
>>> x.shape
(2L,)
>>> row = x[0]
>>> row
('Bob', 18,  2000.)
>>> col = x['name']
>>> col
array(['Bob', 'Tom'],
     dtype='|S10')
上面我们创建了一个二维数组，行数为2，列数为3，其中每列的类型分别是长度为10或者更小的字符串、32位整数、64位浮点数。之后分别使用数字索引访问了第一行数据得到row，以及使用名称索引访问了第一列数据得到col。
需要注意的是，不管是row还是col，获取到的都是只是视图，所以更改结构化数组x时，对应的视图也会发生改变。
>>> x['name'] = ['Bob01', 'Tom01']
>>> x
array([('Bob01', 18,  2000.), ('Tom01', 23,  4000.)],
     dtype=[('name',
'S10'), ('age', '<i4'), ('incom', '<f8')])
>>> row
('Bob01', 18,  2000.)
>>> col
array(['Bob01', 'Tom01'],
     dtype='|S10')

构建结构化数组

通过dtype对象定义一个结构化数组。。使用参数（如提供给dtype函数关键字或dtype对象构造函数本身）通过四种可选方法之一指定记录结构。此参数必须是以下之一：string，tuple，list，或 dictionary。
在这种情况下，构造函数需要一个逗号分隔的类型说明符列表，可选地包含额外的形状信息。字段被赋予默认名称'f0'，'f1'，'f2'等。类型说明符可以采用4种不同的形式： 

字符串参数
在这种情况下，构造函数需要一个逗号分隔的类型说明符列表，可选地包含额外的形状信息。字段被赋予默认名称'f0'，'f1'，'f2'等。类型说明符可以采用4种不同的形式：
a) b1, i1, i2, i4, i8, u1, u2, u4, u8, f2, f4, f8, c8, c16, a<n>
  (代表 bytes, ints, unsigned ints, floats, complex and
   fixed length strings of specified byte lengths)b) int8,...,uint8,...,float16, float32, float64, complex64, complex128
  (this time with bit sizes)c) older Numeric/numarray type specifications (e.g. Float32).
  不推荐使用！d) Single character type specifiers (e.g H for unsigned short ints).
  一般也避免使用！

示例如下：
>>> x = np.zeros(3, dtype='3int8,
float32, (2,3)float64')
>>> x
array([([0, 0, 0],  0., [[ 0.,  0.,  0.], [ 0.,  0.,0.]]),
      ([0, 0, 0],0., [[ 0.,  0.,  0.], [ 0.,  0.,  0.]]),
      ([0, 0, 0],0., [[ 0.,  0.,  0.], [ 0.,  0.,  0.]])],
     dtype=[('f0', 'i1',(3,)), ('f1', '<f4'), ('f2', '<f8', (2, 3))])

元祖参数
适用于记录结构的唯一相关元组是当结构映射到现有数据类型时。这是通过在元组中配对现有数据类型与匹配的dtype定义（使用此处描述的任何变体）来完成的。
>>> x = np.zeros(3,
dtype=('i4',[('r','u1'), ('g','u1'), ('b','u1'), ('a','u1')]))
>>> x
array([0, 0, 0])
>>> x['r']
array([0, 0, 0], dtype=uint8)

列表参数
在这种情况下，记录结构用元组列表定义。每个元组具有2或3个元素，指定：字段的名称（允许使用''），字段的类型，以及形状（可选）。
>>> x = np.zeros(3,
dtype=[('x','f4'),('y',np.float32),('value','f4',(2,2))])
>>> x
array([(0.0, 0.0, [[0.0, 0.0], [0.0, 0.0]]),
      (0.0, 0.0, [[0.0,0.0], [0.0, 0.0]]),
      (0.0, 0.0, [[0.0,0.0], [0.0, 0.0]])],
     dtype=[('x','>f4'), ('y', '>f4'), ('value', '>f4', (2, 2))])

字典参数
允许两种不同的形式。第一个包含一个具有两个必需键（'names'和'formats'）的字典，每个键都有一个相等大小的值列表。格式列表包含在其他上下文中允许的任何类型/形状说明符。名称必须是字符串。有两个可选键：“offsets”和“titles”。每个都必须是相应匹配的列表，其中偏移量包含每个字段的整数偏移量，标题是包含每个字段的元数据的对象（这些对象不必是字符串），其中允许值为None。举个例子：
>>> x = np.zeros(3,
dtype={'names':['col1', 'col2'], 'formats':['i4','f4']})
>>> x
array([(0, 0.0), (0, 0.0), (0, 0.0)],
     dtype=[('col1',
'>i4'), ('col2', '>f4')])
允许的其他字典形式是具有指定类型，偏移和可选标题的元组值的名称键的字典。
>>> x = np.zeros(3,
dtype={'col1':('i1',0,'title 1'), 'col2':('f4',1,'title 2')})
>>> x
array([(0, 0.0), (0, 0.0), (0, 0.0)],
     dtype=[(('title 1',
'col1'), '|i1'), (('title 2', 'col2'), '>f4')])

   访问字段标题
字段标题提供了一个标准位置来放置字段的关联信息。他们不必是字符串。
>>> x.dtype.fields['x'][2]
'title 1'

   访问和修改字段名称
>>> x.dtype.names
('col1', 'col2')
>>>
>>> x.dtype.names = ('x', 'y')
>>> x
array([(0,  0.), (0,  0.), (0,  0.)],
     dtype=[(('title 1',
'x'), 'i1'), (('title 2', 'y'), '<f4')])

   一次访问多个字段
您可以使用字段名称列表一次访问多个字段：
>>> x =np.array([(1.5,2.5,(1.0,2.0)),(3.,4.,(4.,5.)),(1.,3.,(2.,6.))],
dtype=[('x','f4'),('y',np.float32),('value','f4',(2,2))])
请注意，x是使用元组列表创建的。
>>> x[['x','y']]
array([(1.5, 2.5), (3.0, 4.0), (1.0, 3.0)],
    dtype=[('x', '<f4'),('y', '<f4')])
>>> x[['x','value']]
array([(1.5, [[1.0, 2.0], [1.0, 2.0]]), (3.0, [[4.0, 5.0], [4.0, 5.0]]),
     (1.0, [[2.0, 6.0],[2.0, 6.0]])],
    dtype=[('x', '<f4'),
('value', '<f4', (2, 2))])
>>> x[x['y'] == 4]
array([( 3., 4., [[ 4., 5.], [ 4., 5.]])],
    dtype=[('x', '<f4'),
('y', '<f4'), ('value', '<f4', (2, 2))])
字段按请求的顺序返回（可以用来调整数组顺序）：
>>> x[['y','x']]
array([(2.5, 1.5), (4.0, 3.0), (3.0, 1.0)],
    dtype=[('y', '<f4'),
('x', '<f4')])

 记录数组

虽然结构化数组已经能够通过字段索引来操作数组了，记录数组允许通过Python中属性的方式（就是以“.”的方式）来操作。
记录数组也使用特殊的数据类型numpy.record
创建记录数组的最简单的方法是使用numpy.rec.array：
>>> recordarr =np.rec.array([(1,2.,'Hello'),(2,3.,"World")], 
...           
       dtype=[('foo', 'i4'),('bar', 'f4'), ('baz','S10')])
>>> recordarr.bar
array([ 2.,  3.], dtype=float32)
>>> recordarr[1:2]
rec.array([(2, 3.0, 'World')], 
     dtype=[('foo','<i4'), ('bar', '<f4'), ('baz', 'S10')])
>>> recordarr[1:2].foo
array([2], dtype=int32)
>>> recordarr.foo[1:2]
array([2], dtype=int32)
>>> recordarr[1].baz'World'
numpy.rec.array可以将各种参数转换为记录数组，包括正常的结构化数组：
>>> arr =array([(1,2.,'Hello'),(2,3.,"World")], 
...           
dtype=[('foo', 'i4'), ('bar', 'f4'), ('baz', 'S10')])
>>> recordarr = np.rec.array(arr)


脑洞科技栈专注于人工智能与量化投资领域
了解更多干货文章，可以关注小程序八斗问答