Python-Numpy数组中的字符串和整数

我想创建一个包含3列的数组。第一个是字符串，其他两个整数用于计算。然后将通过append函数添加更多行（如下所示）

问题是所有列似乎都被编码为字符串，而不仅仅是第一列。如何获取数字的正确数据类型

a = np.array([["String",1,2]])
a = np.append(a, [["another string", 3, 4]],axis = 0)

---

要获得这样一个混合数据类型数据，我们可以在追加或堆叠之前使用

对象

作为数据类型-

a = np.array([["String",1,2]], dtype=object)
b = [["another string", 3, 4]]
a = np.vstack((a,np.asarray(b,object)))

样本运行-

In [40]: a = np.array([["String",1,2]], dtype=object)

In [41]: b = [["another string", 3, 4]]

In [42]: np.vstack((a,np.asarray(b,object)))
Out[42]: 
array([['String', 1, 2],
       ['another string', 3, 4]], dtype=object)

---

要获得这样一个混合数据类型数据，我们可以在追加或堆叠之前使用

对象

作为数据类型-

a = np.array([["String",1,2]], dtype=object)
b = [["another string", 3, 4]]
a = np.vstack((a,np.asarray(b,object)))

样本运行-

In [40]: a = np.array([["String",1,2]], dtype=object)

In [41]: b = [["another string", 3, 4]]

In [42]: np.vstack((a,np.asarray(b,object)))
Out[42]: 
array([['String', 1, 2],
       ['another string', 3, 4]], dtype=object)

---

迭代收集值时，通常最好在列表中收集值，然后生成数组：

例如，使用您的数据制作列表：

In [371]: alist = [("String", 1, 2)]
In [372]: alist.append(("another string", 3, 4))
In [373]: alist
Out[373]: [('String', 1, 2), ('another string', 3, 4)]

出于许多目的，该列表非常有用，

alist[0]

，或者

[i[0]表示alist中的i]

要制作列表，一个选项是结构化数组。因为我将值收集为元组列表，所以我可以：

In [374]: np.array(alist, dtype='U20,int,int')
Out[374]: 
array([('String', 1, 2), ('another string', 3, 4)], 
      dtype=[('f0', '<U20'), ('f1', '<i4'), ('f2', '<i4')])
In [375]: _['f1']
Out[375]: array([1, 3])

---

通过这个，我们可以访问行和列。但请注意，对象数组（尤其是混合类型的对象数组）不会带来快速numpy计算的好处。

迭代收集值时，通常最好在列表中收集值，然后创建数组：

例如，使用您的数据制作列表：

In [371]: alist = [("String", 1, 2)]
In [372]: alist.append(("another string", 3, 4))
In [373]: alist
Out[373]: [('String', 1, 2), ('another string', 3, 4)]

出于许多目的，该列表非常有用，

alist[0]

，或者

[i[0]表示alist中的i]

要制作列表，一个选项是结构化数组。因为我将值收集为元组列表，所以我可以：

In [374]: np.array(alist, dtype='U20,int,int')
Out[374]: 
array([('String', 1, 2), ('another string', 3, 4)], 
      dtype=[('f0', '<U20'), ('f1', '<i4'), ('f2', '<i4')])
In [375]: _['f1']
Out[375]: array([1, 3])

---

通过这个，我们可以访问行和列。但是请注意，使用对象数组，尤其是混合类型的对象数组，无法获得快速numpy计算的好处。

numpy

数组被认为是同构的。您可以使用

object

dtype，但在这一点上，您也可以使用普通的Python列表。另一种选择是使用结构化数组，或者可能是

pandas

DataFrame。此外，如果您计划使用

.append

添加一组行，几乎肯定不应该使用

numpy

数组。只需使用Python列表，首先使用list，然后转换为np。array@Mr_U4913更好的是，坚持列表。

numpy

数组被认为是同质的。您可以使用

object

dtype，但在这一点上，您也可以使用普通的Python列表。另一种选择是使用结构化数组，或者可能是

pandas

DataFrame。此外，如果您计划使用

.append

添加一组行，几乎肯定不应该使用

numpy

数组。只需使用Python列表，首先使用list，然后转换为np。array@Mr_U4913更好的是，坚持清单。