Python 具有多个数据类型的Numpy数组格式不正确

也许这是一个愚蠢的问题，但我以前从未见过这种行为，我不确定谷歌的正确术语

如果以这种方式加载阵列：

A= np.loadtxt(csv,dtype='a100')

我得到了这种格式的东西（它是一个2D数组）。我习惯了这种格式，因为我知道它很快，而且我知道如何通过行和列轻松找到元素的索引

[[a,1],[b,2]]

然而，因为我的数组既有字符串也有浮点数，所以当我在中加载数组时，会得到不同的结果

A= np.loadtxt(csv,dtype='a100,float')

结果：

[（a，1）、（b，2）]

我的目标是能够基于第一列中的字符串快速搜索数组，然后对第二列执行数字操作

是否最好将它保存在一个数据类型中，这样可以为我提供索引[[]]，然后以某种方式将该字符串转换为浮点以执行数字操作，然后将其写回

我是否仍然可以使用组合的数据类型执行所有相同的搜索和索引，同时保持numpy的速度

我是不是完全陷入了困境

---

感谢您的输入。

numpy

darray必须是同质的（也就是说，所有元素必须具有相同的数据类型）。由于loadtxt（）查找不同的值类型，因此它假定您需要复杂数据类型的向量，而不是二维数组。

您可以继续使用生成的结构化数据类型。例如：

$ cat data.csv
a 1
b 3 
c 4
d 5
e 0
f 8

您可以根据第一列中的值对第二列执行操作：

>>> data = np.loadtxt('data.csv', dtype='a100,int')
>>> data.dtype
dtype([('f0', 'S100'), ('f1', '<i8')])
>>> data.dtype.names
('f0', 'f1')

---

这些结构化数组的工作原理与您习惯使用的典型n维数组类似，但它们是同质的（即所有元素都是同一类型的），但您不能将数字索引分组在同一组方括号内（因此没有

数据[:3，'f1']

，但是

数据[:3]['f1']

或

数据['f1'][:3]

是可以的）.

我明白了，那么我可以将在同质数组中找到的东西转换成一个数字，执行该操作，然后将其写回字符串吗？你知道我可以在谷歌上搜索更多信息吗？你可能需要更仔细地考虑你的需求。查看以了解有关字段访问的更多信息。我不会考虑将数字存储为字符串并转换它们。这将是非常低效的。那么你有什么建议吗？具有两种不同数据类型的两个不同阵列？我需要一种快速的方法来搜索和索引相当大的数组。可以处理不同数据类型的列，所以你可以考虑如果Oliver W的建议不能满足你的需求。

>>> def some_processing(arr):  # example function to simulate some processing
...     return (arr < 'e') & (arr > 'b')
...
>>> data['f1'][some_processing(data['f0'])]
array([4, 5])