Python 在一个NumPy数组中存储不同的数据类型？

我有两个不同的数组，一个带有字符串，另一个带有int。我想将它们连接到一个数组中，其中每个列都具有原始数据类型。我目前的解决方案（见下文）将整个数组转换为dtype=string，这似乎是非常低内存效率的

combined_array=np.连接（（A，B），axis=1）

---

当

A.dtype=string

和

B.dtype=int

时，

组合数组中是否可能存在多个数据类型？
一种方法可能是使用。“列”与标准numpy数组的列不同，但对于大多数用例来说，这就足够了：

>>> a = numpy.array(['a', 'b', 'c', 'd', 'e'])
>>> b = numpy.arange(5)
>>> records = numpy.rec.fromarrays((a, b), names=('keys', 'data'))
>>> records
rec.array([('a', 0), ('b', 1), ('c', 2), ('d', 3), ('e', 4)], 
      dtype=[('keys', '|S1'), ('data', '<i8')])
>>> records['keys']
rec.array(['a', 'b', 'c', 'd', 'e'], 
      dtype='|S1')
>>> records['data']
array([0, 1, 2, 3, 4])

a=numpy.array（['a'，'b'，'c'，'d'，'e']）
>>>b=努比·阿兰奇（5）
>>>records=numpy.rec.fromarrays（（a，b），name=（'keys'，'data'））
>>>记录
记录数组（[（'a'，0），（'b'，1），（'c'，2），（'d'，3），（'e'，4）]，
dtype=[（'keys'，'S1'），（'data'，'p>一个简单的解决方案：将数据转换为对象'O'类型

z = np.zeros((2,2), dtype='U2')
o = np.ones((2,1), dtype='O')
np.hstack([o, z])

创建阵列：

array([[1, '', ''],
       [1, '', '']], dtype=object)

参考，有一个名为
numpy.lib.recfunctions.merge_arrays
的函数，可用于将不同数据类型的numpy数组合并到结构化数组或记录数组中

例如：

>>> from numpy.lib import recfunctions as rfn
>>> A = np.array([1, 2, 3])
>>> B = np.array(['a', 'b', 'c'])
>>> b = rfn.merge_arrays((A, B))
>>> b
array([(1, 'a'), (2, 'b'), (3, 'c')], dtype=[('f0', '<i4'), ('f1', '<U1')])

>>从numpy.lib导入函数作为rfn
>>>A=np.array（[1,2,3]）
>>>B=np.array（['a'，'B'，'c']）
>>>b=rfn.merge_数组（（A，b））
>>>b
数组（[（1，'a'），（2，'b'），（3，'c'）]，数据类型=[（'f0'，问题是关于使用NumPy数组。但是，如果没有必要使用NumPy数组，那么a在这种情况下会很好地工作。如果你真的想对该数组的切片执行任何有意义的操作，这会导致各种各样的问题。什么样的问题？@Astrid你能详细说明你的想法吗？假设，为了参数起见，您将其转换为一个数据帧。然后您希望过滤该数据帧中的对象，比如说
df.loc[（df.col==item）]
这是行不通的，因为当pandas进行过滤时，它希望所有项目都是同一类型的。因此，例如，如果您在同一列中混合字符串和整数，那么您将有效地比较苹果和桔子。因此pandas将抛出一个错误。
arr=np.array（[（'cat'，5），（'dog'，20）]，dtype=[（'name'，np.object），（'age'，np.int）]
name列可由结构化数组中的arr['name']访问
array([[1, '', ''],
       [1, '', '']], dtype=object)

>>> from numpy.lib import recfunctions as rfn
>>> A = np.array([1, 2, 3])
>>> B = np.array(['a', 'b', 'c'])
>>> b = rfn.merge_arrays((A, B))
>>> b
array([(1, 'a'), (2, 'b'), (3, 'c')], dtype=[('f0', '<i4'), ('f1', '<U1')])