如何从多个简单数组制作结构化数组答案

【问题标题】：How to make a Structured Array from multiple simple array如何从多个简单数组制作结构化数组
【发布时间】：2011-11-22 01:00:06
【问题描述】：

import numpy as np

a=np.array([1,2,3,4,5,6,7,8,9])
b=np.array(["a","b","c","d","e","f","g","h","i"])
c=np.array([9,8,7,6,5,4,3,2,1])
datatype=np.dtype({
 'names':['num','char','len'],
 'formats':['i','S32','i']
})

d=np.array(zip(a,b,c),dtype=datatype)

上面的代码使用 zip() 首先创建一个列表，然后将其转换为结构化数组。它的效率很低，我想知道在 NumPy 中是否有任何内置函数可以做到这一点。

【问题讨论】：

标签： python numpy

【解决方案1】：

你不妨试试numpy.rec.fromarrays。

import numpy as np

a=np.array([1,2,3,4,5,6,7,8,9])
b=np.array(["a","b","c","d","e","f","g","h","i"])
c=np.array([9,8,7,6,5,4,3,2,1])

d = np.rec.fromarrays([a,b,c], formats=['i','S32','i'], names=['num','char','len'])

虽然时间不如itertools。

In [2]: %timeit d = np.rec.fromarrays([a,b,c], formats=['i','S32','i'], names=['num','char','len'])
10000 loops, best of 3: 86.5 us per loop

In [6]: import itertools

In [7]: %timeit np.fromiter(itertools.izip(a,b,c),dtype=datatype)
100000 loops, best of 3: 11.5 us per loop

【讨论】：

谢谢，fromarrays 就是我要找的。span>

【解决方案2】：

zip 确实会创建一个元组列表，如果数组很大，这可能会占用大量内存。您可以使用itertools.izip 来提高内存效率：

import itertools
d=np.fromiter(itertools.izip(a,b,c),dtype=datatype)

对于长度约为 10 的小数组：

In [68]: %timeit np.fromiter(itertools.izip(a,b,c),dtype=datatype)
100000 loops, best of 3: 15.8 us per loop

In [69]: %timeit np.array(zip(a,b,c),dtype=datatype)
10000 loops, best of 3: 20.8 us per loop

对于长度约为 10000 的数组：

In [72]: A=np.tile(a,1000)
In [74]: B=np.tile(b,1000)
In [75]: C=np.tile(c,1000)

In [83]: %timeit np.fromiter(itertools.izip(A,B,C),dtype=datatype)
100 loops, best of 3: 10.7 ms per loop

In [84]: %timeit np.array(zip(A,B,C),dtype=datatype)
100 loops, best of 3: 12.7 ms per loop

所以np.fromiter 似乎比np.array 稍快。

【讨论】：