1.介绍

结构数组是NumPy中的一种高级数据结构，它允许用户在单个数组中存储多种数据类型的元素。与普通的NumPy数组不同，结构数组的每个元素可以具有不同的数据类型，并且可以使用字段名来引用这些元素。这使得结构数组非常适合处理表格数据、数据库查询结果以及其他复杂数据结构。

2. 创建数组

2.1 字符串式声明

import numpy as np

if __name__ == '__main__':
    # 定义类型
    dt = "U10,i4,f"
    # 创建数组
    arr = np.array([
        [("Go", 2, 8.5)],
        [("Java", 3, 8.0)],
        [("Python", 1, 9.0)],
    ], dtype=dt)
    print(arr)

"""
[[('Go', 2, 8.5)]
 [('Java', 3, 8. )]
 [('Python', 1, 9. )]]
"""    

@注:字符串式声明比较简单,只要使用逗号隔开即可，如上述示例:i1,i4,f

2.2 元组列表式声明

a. 声明类型:

 dt = np.dtype([("字段名", "数据类型"),...,("字段名n", "数据类型n")])  

b. 使用示例:

import numpy as np

if __name__ == '__main__':
    # 定义类型
    dt = np.dtype([("name", "U10"), ("age", int), ("address", "U20"), ("weight", float)])
    # 创建数组
    arr = np.array([
        [("张三", 20, "北京昌平区", 74.5)],
        [("小花", 18, "上海徐汇区", 48.5)]
    ], dtype=dt)
    print("创建数组:\n", arr)
    print("访问arr[0]:\n", arr[0])
    print("访问arr['name']:\n", arr['name'])
    print("访问arr['age']:\n", arr['age'])
    
"""
创建数组:
 [[('张三', 20, '北京昌平区', 74.5)]
 [('小花', 18, '上海徐汇区', 48.5)]]
访问arr[0]:
 [('张三', 20, '北京昌平区', 74.5)]
访问arr['name']:
 [['张三']
 ['小花']]
访问arr['age']:
 [[20]
 [18]]
"""   

2.3 字段标题

元组列表除了上面的使用示例，还可以给字段加上标题，使用方式和语法如下:

a. 声明类型:

dt = np.dtype([(("标题", "字段名"), "数据类型"), ... ,(("标题n", "字段名n"), "数据类型")])  

b. 使用示例:

import numpy as np

if __name__ == '__main__':
    # 定义类型
    dt = np.dtype([(("姓名", "name"), "U10"), (("年龄", "age"), int), (("体重", "weight"), float)])
    # 创建数组
    arr = np.array([
        [("张三", 28, 80.23)],
        [("小明", 16, 66.55)],
    ], dtype=dt)
    print("创建数组:\n", arr)
    print("访问 字段标题-> \n", arr["姓名"])
    print("访问 字段名-> \n", arr["name"])
    
"""
创建数组:
 [[('张三', 28, 80.23)]
 [('小明', 16, 66.55)]]
访问 字段标题-> 
 [['张三']
 ['小明']]
访问 字段名-> 
 [['张三']
 ['小明']]
"""    

2.4 字典式声明

a. 声明类型:

 dt = {'names':('字段1',...'字段2'), 'formats':('类型1',...,'类型n')}

b. 使用示例:

import numpy as np

if __name__ == '__main__':
    # 定义类型
    dt = {"names": ("name", "age", "address", "weight"), "formats": ("U10", "i", "U20", "f")}
    # 创建数组
    arr = np.array([
        [("张三", 20, "北京昌平区", 74.5)],
        [("小花", 18, "上海徐汇区", 48.5)]
    ], dtype=dt)
    print("创建数组:\n", arr)
    print("访问arr[0]:\n", arr[0])
    print("访问arr['name']:\n", arr['name'])
    print("访问arr['age']:\n", arr['age'])

"""
创建数组:
 [[('张三', 20, '北京昌平区', 74.5)]
 [('小花', 18, '上海徐汇区', 48.5)]]
访问arr[0]:
 [('张三', 20, '北京昌平区', 74.5)]
访问arr['name']:
 [['张三']
 ['小花']]
访问arr['age']:
 [[20]
 [18]]
"""    

3. 类型说明

3.1 类型汇总

以下是NumPy结构数组的常见数据类型的列表，包括类型、字符代码和说明。

数据类型的字符代码，用在NumPy中,表示对应的数据类型。

3.2 时间类型使用

import numpy as np

if __name__ == '__main__':
    # 定义类型
    dt = [
        ('day', 'datetime64[D]'),  # 表示日期，精确到天
        ('minutes', 'datetime64[m]'),  # 表示时间，精确到分钟
        ('second', 'datetime64[s]')  # 表示时间，精确到秒
    ]
    arr = np.array([
        ('2023-09-25', '2023-09-25T14:30', '2023-09-25T14:30:00'),
        ('2023-09-25', '2023-09-25T17:30', '2023-09-25T14:30:45')
    ], dtype=dt)
    print("arr: ", arr)
    print("计算时间差:", arr['minutes'][1] - arr['minutes'][0])
    print("计算时间差:", arr['second'][1] - arr['second'][0])
    
"""
arr:  [('2023-09-25', '2023-09-25T14:30', '2023-09-25T14:30:00')
 ('2023-09-25', '2023-09-25T17:30', '2023-09-25T14:30:45')]
计算时间差: 180 minutes
计算时间差: 45 seconds
"""    

'datetime64[D]:'精确到天，而'datetime64[m]:'，精确到分钟，datetime64[s]: 精确到秒

4. 字符串

在Numpy使用字符串类型时,常见会是这种格式S10、U20等，其中的10，20指的就是字符的长度，单位是字节。

4.1 对比示例

在NumPy结构数组中，使用字符串类型时一定要指定长度，因为字符串类型，需要在内存中预先分配内存，换句话说如果你不指定长度，那么值是存不进去的，如下示例:

import numpy as np

if __name__ == '__main__':
    # 定义字符串--不指定长度
    arr = np.array([
        [("张三", 80.5)],
        [("李四", 67.5)],
    ], dtype="U,f")
    print("定义字符串--不指定长度: \n", arr)
    # 定义字符串--指定长度
    arr2 = np.array([
        [("李白", 90)],
        [("苏轼", 88)],
    ], dtype="U10,f")
    print("定义字符串--指定长度: \n", arr2)
    
"""
定义字符串--不指定长度: 
 [[('', 80.5)]
 [('', 67.5)]]
定义字符串--指定长度: 
 [[('张三', 80.5)]
 [('李四', 67.5)]]
"""    

4.2 原因汇总

使用字符串指定长度的原因，除了上面说的内存预分配的原因，还有其他原因，下面进行了汇总:

1. 内存分配：字符串类型的长度决定了每个字符串在内存中占用的空间大小。如果不指定长度， NumPy无法确定要为每个字符串分配多少内存，这会导致内存分配错误或不确定性，可能会破坏数据的完整性。
2. 数据存储：在结构数组中，每个元素都有固定的字节大小，这包括字符串字段。指定字符串长度允许 NumPy为每个元素的字符串字段分配相应大小的内存块，确保数据存储的正确性。
3. 数据对齐：结构数组中的字段通常需要按照字节边界对齐，以提高内存访问效率。指定字符串长度有助于确保每个字符串字段与其他字段正确对齐，以防止不必要的内存开销和性能下降。
4. 数据操作：指定字符串长度还有助于NumPy正确执行数据操作，如拷贝、切片和比较。没有指定长度的字符串可能会导致不明确的行为或错误。

4.3 S、U的区别

在NumPy中，字符串类型有两种常见的类型，分别是S(string)（字节字符串）和U(Unicode)（字符串）。这两种类型在处理字符串数据时具有不同的特性和用途，以下是它们的对比：

1. S 字符串（字节字符串）：

   • 字符编码：S字符串使用字节编码，通常用于处理 ASCII字符集。这意味着它不支持多语言字符或特殊字符，只能表示 ASCII字符。
   • 存储效率： S字符串在内存中以字节为单位存储，因此在存储方面比 U字符串更加紧凑，但只能表示有限的字符集。
   • 示例： 'S10' 表示包含最多10个ASCII字符的S字符串，例如 'Hello'。
   • 适用场景：当你知道字符串只包含ASCII字符或需要节省内存时，可以选择使用S字符串。常见用途包括文件名、用户名、产品代码等。
2. U 字符串（Unicode字符串）：

   • 字符编码： U字符串使用 Unicode编码，支持多语言字符、特殊字符和表情符号等。它更加通用，适用于处理各种语言的文本。
   • 存储效率： U字符串在内存中以 Unicode字符的形式存储，因此通常会占用更多的内存。但它具有更广泛的字符支持。
   • 示例： 'U20' 表示包含最多20个 Unicode字符的 U字符串，例如 '你好，世界'。
   • 适用场景：当你需要处理多语言字符、特殊字符、国际化文本或包含 Unicode字符的数据时，通常应选择使用 U字符串。它适用于 Web应用、国际化应用程序、文本处理等场景。

@注:当你需要存储中文字符时, 使用Unicode

5. 字节顺序

5.1 概念说明

大端字节顺序（Big-Endian）和小端字节顺序（Little-Endian）是两种用于存储多字节数据（如整数、浮点数）的不同方式。它们决定了在内存中多字节数据的字节存储顺序。

5.2 大端字节顺序

在大端字节顺序中，数据的高位字节（Most Significant Byte，MSB）存储在内存的低地址处，而低位字节（Least Significant Byte，LSB）存储在内存的高地址处。这就好像你阅读英文文本，从左到右逐个字母阅读一样。

示例: 假设我们要存储整数值0x1234（十进制为4660）,在大端字节顺序下，在内存中的存储方式是：

高地址 --> 0x12 | 0x34 <-- 低地址

这意味着0x12（高位字节）存储在较低的内存地址，0x34（低位字节）存储在较高的内存地址。

5.3 小端字节顺序

在小端字节顺序中，数据的低位字节（LSB）存储在内存的低地址处，而高位字节（MSB）存储在内存的高地址处。这就好像你逆序阅读英文文本，从右到左逐个字母阅读一样。

示例: 同样，我们要存储整数值0x1234。在小端字节顺序下，在内存中的存储方式是：

高地址 --> 0x34 | 0x12 <-- 低地址

这意味着0x34（低位字节）存储在较低的内存地址，0x12（高位字节）存储在较高的内存地址。

5.4 字节顺序重要性

为什么字节顺序很重要？因为不同的硬件架构可能使用不同的字节顺序，而且在数据交换和文件传输等场景中，正确的字节顺序非常关键，否则数据可能会被错误地解释或损坏。

大多数现代计算机采用小端字节顺序，例如x86架构的计算机。但某些其他体系结构，如某些PowerPC和ARM架构，采用大端字节顺序。因此，在处理二进制数据时，特别是与不同架构的系统进行数据交换时，了解和处理字节顺序是非常重要的。

5.5 Numpy中使用

在NumPy中，默认情况下，多字节数据类型的字节顺序是与计算机的硬件平台相关的，即它会自动选择适合硬件平台的字节顺序。这被称为 本地字节顺序。你也可以使用以下方法来显式指定字节顺序：

• >：指定大端字节顺序。
• <：指定小端字节顺序。

例如，在创建结构数组或使用特定数据类型时，你可以明确指定字节顺序，如下所示：

import numpy as np

# 创建一个16位整数数组，指定大端字节顺序
arr_big_endian = np.array([1, 2, 3], dtype='>i2')

# 创建一个32位浮点数数组，指定小端字节顺序
arr_little_endian = np.array([1.0, 2.0, 3.0], dtype='<f4')

在不同的应用场景中，特定的字节顺序可能会受到影响，尤其是在处理二进制数据或与其他系统进行交互时。因此，了解和控制字节顺序是非常重要的。

微信搜索【猿码记】查看更多文章