Python 从文件构造结构化numpy数组？

我的任务是用python编写一个简单的MD模拟程序，它不使用python内置类型（dict，list），而只使用numpy数组。据我所知，这允许编译代码以更快地运行。在我的代码中的某一点上，我想从一个类似字典的对象中得到原子的质量，它可以被元素名分割，比如

MassDict['N']=14.0067

据我所知，我需要使用一个结构化的numpy数组。我现在要做的是用以下表单打开我的文件：

H 1.008
He 4.003
Li 6.941

然后构造一个结构化numpy数组，可以使用第一列中的元素名对其进行切片

我试着制作两个numpy数组，然后将它们连接起来，但这似乎不是我所需要的。我的代码一开始看起来不是很好。那么，我如何创建一个numpy对象，它可以被文本文件中的字符串最优地分割？ 这是我的密码：

将numpy导入为np
进口稀土
def质量（文件）：
以inf形式打开（文件）：
对于i，枚举（inf）中的行：
通过
elements=np.empty（（i+1），dtype='S2'）
质量=np.empty（（i+1），数据类型=np.float32）
以inf形式打开（文件）：
对于i，枚举（inf）中的行：
元素[i]=重新搜索（'[a-zA-Z]+'，第行）.group（）
质量[i]=重新搜索（'\d+[.]\d+'，第行）.group（）
#???
mass_el（'elements.txt'）

使用numpy 如果文件中的数据字段定期分开（CSV文件），您可以使用该功能直接从文件中读取和格式化数据

使用3行文件，可以获得以下

m_els

数组：

array([('H', 1.008), ('He', 4.003), ('Li', 6.941)],
    dtype=[('element', '<U2'), ('mass', '<f4')])

在这种情况下，

m_els

是一个数据帧，其中元素名称用作索引：

  element   mass
0       H  1.008
1      He  4.003
2      Li  6.941

---

要获得与元素（如氢）对应的行，请执行

m_els.iloc[0]

。要获得氢质量，请执行

m_els.loc[0，'mass']

或使用元素名称，

m_els['mass'].loc[m_els['element']='H']

您总共有多少个条目？只有那三个？这是第一个打开的

。。。通行证

适用于。它计算行数并创建具有适当条目数目的

np.empty

数组。我在复制代码时是否弄乱了缩进？我认为数组需要向左缩进一个…但是总共有多少个？如果只有三个，则

dict

很可能比

np.ndarray

108个元素质量条目更有意义。顺便说一句，我不能使用python内置代码，因为编译器显然无法加速它们。您可能会误解使用

numpy

的原因。正确使用这些数组更快，因为它们使用编译代码。但是错误的使用（迭代）会更慢。好的代码在适当的地方使用列表和字典。

m_els['mass'][0]

获取第一个条目的质量。这看起来像是正确的结构化数组，但我不认为它比dict有什么改进。老实说，我也不这么认为，但OP明确地问了如何使用numpy来实现这一点，而不使用字典。正如我所说，我对类型转换还不熟悉（直到目前为止，我都是使用python的，我对内存分配的了解很惊讶）。所以我不知道某个对象类型是如何影响性能的，也不知道使用编译器可以如何加速性能。它是否真的没有影响，所以我可以使用dict？这取决于您如何使用这些数据结构。如果你只需要选择正确的质量几次，字典是完全好的。如果您需要进行矢量化计算（如将所有质量拾取为矢量并执行一些操作），那么最好使用numpy。将比为循环编写一个

来收集字典中的所有内容要快。
import pandas as pd
m_els = pd.read_csv('elements.txt', sep='\s+', header=None, names=['element', 'mass'])

  element   mass
0       H  1.008
1      He  4.003
2      Li  6.941