在一个 NumPy 数组中存储不同的数据类型？

问题描述：

我有两个不同的数组，一个包含字符串，另一个包含整数。我想将它们连接成一个数组，其中每列都具有原始数据类型。我目前的解决方案（见下文）是将整个数组转换为 dtype = string，这似乎非常浪费内存。

combined_array = np.concatenate((A, B), axis = 1)

combined_array在何时A.dtype = string和中是否有可能存在多种数据类型B.dtype = int？

解决方案 1：

一种方法可能是使用记录数组。“列”不会像标准 numpy 数组的列，但对于大多数用例来说，这已经足够了：

>>> a = numpy.array(['a', 'b', 'c', 'd', 'e'])
>>> b = numpy.arange(5)
>>> records = numpy.rec.fromarrays((a, b), names=('keys', 'data'))
>>> records
rec.array([('a', 0), ('b', 1), ('c', 2), ('d', 3), ('e', 4)], 
      dtype=[('keys', '|S1'), ('data', '<i8')])
>>> records['keys']
rec.array(['a', 'b', 'c', 'd', 'e'], 
      dtype='|S1')
>>> records['data']
array([0, 1, 2, 3, 4])

请注意，您也可以通过指定数组的数据类型对标准数组执行类似操作。这称为“结构化数组”：

>>> arr = numpy.array([('a', 0), ('b', 1)], 
                      dtype=([('keys', '|S1'), ('data', 'i8')]))
>>> arr
array([('a', 0), ('b', 1)], 
      dtype=[('keys', '|S1'), ('data', '<i8')])

不同之处在于记录数组还允许对单个数据字段的属性访问。标准结构化数组则不允许。

>>> records.keys
chararray(['a', 'b', 'c', 'd', 'e'], 
      dtype='|S1')
>>> arr.keys
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'numpy.ndarray' object has no attribute 'keys'

解决方案 2：

一个简单的解决方案：将您的数据转换为对象“O”类型

z = np.zeros((2,2), dtype='U2')
o = np.ones((2,1), dtype='O')
np.hstack([o, z])

创建数组：

array([[1, '', ''],
       [1, '', '']], dtype=object)

解决方案 3：

参考Numpy 文档，有一个名为 function 的函数numpy.lib.recfunctions.merge_arrays可用于将不同数据类型的 numpy 数组合并为结构化数组或记录数组。

例子：

>>> from numpy.lib import recfunctions as rfn
>>> A = np.array([1, 2, 3])
>>> B = np.array(['a', 'b', 'c'])
>>> b = rfn.merge_arrays((A, B))
>>> b
array([(1, 'a'), (2, 'b'), (3, 'c')], dtype=[('f0', '<i4'), ('f1', '<U1')])

欲了解更多详情，请参阅上面的链接。