具有 2 种不同数据类型的结构化 numpy 数组

Question

我将 csv 文件导入到 numpy 数组中，需要将其转换为结构化数组，其中仅第一列作为 dtype 字符串，所有其他 47 列作为 float。如何在单个操作中定义其他 47 列的数据类型？我是否必须逐列指定 dtype？

Answer 1

您可以像结构化数组一样读取源文件。

假设您输入的文件包含：

• 一个字符串字段，命名为Id，

• 只有四个 浮点字段，分别命名为F1、F2等。

所以它的内容是：

ABCD,160.72,180.21,260.13,451.48

EFGH,252.42,132.21,150.11,612.56

IJKL,541.77,455.21,268.76,543.81

要读取这样的文件，您可以使用np.loadtxt方法，将dtype作为结构化类型（定义列表）传递，可以在列表理解中生成：

nFloats = 4

a = np.loadtxt('Input.csv', delimiter=',',

    dtype=[('Id', 'U10')] + [( f'F{i+1}', '<f4' ) for i in range(nFloats)])

请注意，我传递了U10作为Id列的类型（10 个字符）。如果需要，请设置该字段的其他大小。

结果是：

array([('ABCD', 160.72, 180.21, 260.13, 451.48),

       ('EFGH', 252.42, 132.21, 150.11, 612.56),

       ('IJKL', 541.77, 455.21, 268.76, 543.81)],

      dtype=[('Id', '<U10'), ('F1', '<f4'), ('F2', '<f4'), ('F3', '<f4'), ('F4', '<f4')])

当然，在代码的目标版本中相应地增加nFloats（可能应该是47）。