Numpy：连接不同的数据类型，同时保留每个数据类型

Question

我有 3 个数组，我想沿着轴 1 连接它们。它们的数据类型是 np.float32、U32 和 np.float32。当我这样连接时：

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

结果的 dtype 是 'U32'。我想保留 A 列和 C 列的 float32 dtypes。我该怎么做？

Answer 1

您可以使用结构化数组（或记录数组）执行此操作。如果 A、B 和 C 定义为

import numpy as np
A = np.zeros(30, dtype=np.float32)
B = np.zeros(30, dtype=np.int32)
C = np.zeros(30, dtype=np.float32)

您可以使用

创建一个记录数组

res = np.rec.fromarrays([A,B,C], names='a,b,c')

A、B 和 C 必须具有相同的形状，但它们可以具有您选择的任何数据类型。可以使用 res.a 或 res['a'] 访问子数组（或字段）。大多数操作（mean、max 等）不能对整个数组进行操作。您需要 select 一个单独的字段，但索引和相关操作将适用于整个数组。一旦习惯了使用结构化数组，它们就是一个非常有用的对象。

Answer 2

您可以使用 dtype=object 创建一个 numpy 数组。它允许您混合类型。这是一个例子。

integer = [1, 5]
floats =[3., 4.]
mixed  = np.array( [integer, floats], dtype=object)
mixed 
out[4]:
array([[1, 5],
[3.0, 4.0]], dtype=object)

Numpy：连接不同的数据类型，同时保留每个数据类型

Numpy: concatenate different dtypes whilst preserving each dtype

python

numpy

numpy-ndarray