前言numpy 结构化数组可以支持多数据类型的元素，类似于Python 内置的字典 。
在前面，我们已经对numpy 结构化数组数据类型主要是使用 numpy.dtype 定义 。
结构化数组的索引有三种形式：

• 以字段名称为索引访问单个字段值
• 以字段名称列表为索引访问多个字段值
• 以整数标量为索引进行访问字段值

在结构化数组索引返回值的形式都是视图
numpy 模块提供了ndarray 子类 recarray,可以允许属性直接访问结构化数组字段 。
我们在numpy 结构化数组之记录数组学习后，可以通过numpy.rec.array()方法进行创建记录数组或者将结构化数组转换成记录数组 。
并且，numpy.lib.recfunctions中提供对结构化数组记录数组相关操作的方法 。
本期，我们将学习recfunctions模块中常用的方法进行学习和使用，Let’s go~
1.numpy.lib.recfunctions概述numpy.lib.recfunctions 存在大量用于创建和操作结构化数组的辅助方法集合
目前 ， recfunctions 里面的方法都已经被重写和拓展了 。
我们可以在 numpy->lib->recfunctions.py 文件中看到相关方法介绍 。

文章插图
我们在使用 recfunctions 模块相关方法时 ， 需要提前使用from导入recfunctions库
from numpy.lib import recfunctions as rfn复制代码2. 添加新字段numpy.lib.recfunctions 模块中提供 append_fields 方法 ， 实现在现有的结构化数组中添加性字段
append_fields(base, names, data, dtypes=None,fill_value=http://www.wokk.cn/-1, usemask=True, asrecarray=False)复制代码参数说明：
参数
说明
base
需要拓展的数组
names
新字段名称
data
数组或者数据序列
dtypes
可选项，数据类型序列
fill_value
可选项，用于填充数组上缺失的数据
usemask
可选项，是否返回掩码数组
asrecarray
可选项，是否返回一个记录数组

• 字段名称和名称参数需要一起给出
• 对应的值和数据参数需要一起给出
• 如果只附加单个字段，则names,data,dtypes 可以为值

>>> from numpy.lib import recfunctions as rfn>>> arr = np.array([("Tom",12,"Beijing"),("Anne",10,"Guangzhou"),("Kenty",15,"Shengzheng")],dtype=[("name","U5"),("age","i8"),("address","U5")])>>> rfn.append_fields(arr,"province",["hebei","guangdong","guangdong"],"S16")masked_array(data=http://www.wokk.cn/[('Tom', 12, 'Beiji', b'hebei'),('Anne', 10, 'Guang', b'guangdong'),('Kenty', 15, 'Sheng', b'guangdong')],mask=[(False, False, False, False),(False, False, False, False),(False, False, False, False)],fill_value=http://www.wokk.cn/('N/A', 999999, 'N/A', b'N/A'),dtype=[('name', '<U5'), ('age', '<i8'), ('address', '<U5'), ('province', 'S16')])复制代码3. 结构化数组字段缩减recfunctions 提供 apply_along_fields 方法可以使用func 函数对结构化数组的字段进行缩减操作 。
apply_along_fields(func, arr)复制代码参数说明：
参数
说明
func
应用于字段维度的函数，必须要支持轴参数如np.mean,np.sum等
arr
结构化数组
apply_along_fields 方法类似与 apply_along_axis，将结构化数组的字段视为额外的轴 。
这个过程中，会调用 numpy.result_type 将dtypes 类型转换为同样类型 。
>>> arr = np.array([(10,5),(3,9),(0,8)],dtype=[("x","i8"),("y","i8")])>>> rfn.apply_along_fields(np.mean,arr)array([7.5, 6. , 4. ])>>> rfn.apply_along_fields(np.sum,arr)array([15, 12,8], dtype=int64)>>> rfn.apply_along_fields(np.gradient,arr)array([[-5., -5.],[ 6.,6.],[ 8.,8.]])>>>复制代码

• 上一页
• 1
• 2
• 3
• 下一页

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：

• R语言的基础语法及常用命令 python与r语言哪个好
• 金苞花怎么修剪
• python读取文件名并修改 python获取文件名称的方法
• 由new运算符创建的动态对象 new操作符具体干了什么呢
• 更改python环境变量的办法 python获取环境变量
• python的数据类型命令 python的应用领域有哪些
• js给对象添加属性和值 js清空对象所有属性
• python从入门到精通教学 如何升级python到指定版本
• python有序数组中删除元素 python数组删除指定元素
• ps里面矢量智能对象调整内容 矢量智能对象怎么编辑