记录数组

记录数组（record array）与结构数组类似：

In [1]:

import numpy as np

质点类型：

In [2]:

partical_dtype = np.dtype([('mass', 'float'), 
                           ('velocity', 'float')])

生成记录数组要使用 numpy.rec 里的 fromrecords 方法：

In [3]:

from numpy import rec

particals_rec = rec.fromrecords([(1,1), (1,2), (2,1), (1,3)], 
                                dtype = partical_dtype)

In [4]:

particals_rec

Out[4]:

rec.array([(1.0, 1.0), (1.0, 2.0), (2.0, 1.0), (1.0, 3.0)], 
      dtype=[('mass', '<f8'), ('velocity', '<f8')])

在记录数组中，域可以通过属性来获得：

In [5]:

particals_rec.mass

Out[5]:

array([ 1.,  1.,  2.,  1.])

也可以通过域来查询：

In [6]:

particals_rec['mass']

Out[6]:

array([ 1.,  1.,  2.,  1.])

不过，记录数组的运行效率要比结构化数组要慢一些。

也可以通过将一个结构化数组看成记录数组：

In [7]:

particals = np.array([(1,1), (1,2), (2,1), (1,3)],
                     dtype = partical_dtype)

使用 view 方法看成 recarray ：

In [8]:

particals_rec = particals.view(np.recarray)

In [9]:

particals_rec.mass

Out[9]:

array([ 1.,  1.,  2.,  1.])

In [10]:

particals_rec.velocity

Out[10]:

array([ 1.,  2.,  1.,  3.])

对于自定义的类型，可以通过它的 names 属性查看它有哪些域：

In [11]:

particals.dtype.names

Out[11]:

('mass', 'velocity')