Python 如何创建具有多个不同形状字段的numpy结构化数组？

我刚接触numpy阵列，但在创建结构化阵列时遇到困难。我想创建一个类似于Matlab的结构，其中字段可以是不同形状的数组

a=numpy.array([1, 2, 3, 4, 5, 6,]);
b=numpy.array([7,8,9]);
c=numpy.array([10,11,12,13,14,15,16,17,18,19,20]);

##Doesn't do what I want
data=numpy.array([a, b, c],dtype=[('a','f8'),('b','f8'),('c','f8')]);  

---

我想

data['a']

返回矩阵a，

data['b']

返回矩阵b等等。在Matlab结构中读取时，数据以这种格式保存，因此我知道这一定是可能的。

如果不经常扭动NumPy的手臂，恐怕是不可能的

看，NumPy背后的思想是提供同构数组，即所有元素都具有相同类型的数组。这种类型可以是简单的（

int

，

float

…）或更复杂的（

[（“”，int），（“”，float），（“”，“，”，S10”））

，但在任何情况下，所有元素都具有相同的类型。这允许一些非常有效的内存布局

因此，从本质上讲，结构化数组要求字段（各个子块）具有相同的大小，无论位置如何。检查以下各项：

>>> np.zeros(3,dtype=[('a',(int,3)),('b',(float,5))])

它定义了一个包含三个元素的数组；每个元素由两个子块组成，

a

和

b

<代码>a是一个由三个

整数组成的块，
b
是一个由五个
浮点组成的块
。但是，一旦您在
dtype
中定义了块的初始大小，您就会被卡住（当然，您可以随时切换，但这是另一回事）

有一种解决方法：使用
dtype=object
。这样，您就构建了一个异构项数组，就像一个不同大小的列表数组。但是那样你会失去很多力量。不过，举个例子：

>>> x=np.zeros(3, dtype=[('a',object), ('b',object)])
>>> x['a'][0] = [1,2,3,4]
>>> x['b'][-1] = "ABCDEF"
>>> print x
[([1, 2, 3, 4], 0) (0, 0) (0, 'ABCD')]

所以，我们刚刚构造了一个数组。。。物体。我把一个列表放在某个地方，把一个字符串放在另一个地方，它就起作用了。您可以按照相同的示例构建所需的阵列：

blob = np.array([(a,b,c)],dtype=[('a',object),('b',object),('c',object)])

但是，你真的应该三思而后行，是否真的是为了达到你的目的，另一种结构可能会更有效

旁注：请注意上面表达式的
[（A，b，c）]
部分：注意
（）
？基本上，您告诉NumPy构造一个由1个元素组成的数组，由三个子元素组成（分别对应于
a、b、c
），每个子元素都是一个对象。如果你不把
（）
放进去，NumPy会发很多牢骚

最后一句话：如果你访问像
blob['a']
这样的字段，你会得到一个大小为
（1，）
和
dtype=object
的数组：只需使用
blob['a'].item（）
来返回你原来的
（6，）
int
数组。
在python中，字典大致类似于Matlab中的结构。您可以尝试以下方法，看看它是否适合您：

>>> data = {'a':a, 'b':b, 'c':c}
>>> data['a'] is a
True

谢谢，这正是我想要的。我想我试图通过一个numpy数组来实现这一点是错误的。在我的例子中，我试图将多个不同形状的数组保存到一个文件中
numpy.savez
为我解决了这个问题，因为它允许保存多个数组
np.savez（'data.npz'，a=a，b=b，c=c）
。