在NumPy 中組合具有多種資料類型的陣列

將包含不同資料類型的陣列連接成單一陣列，每列中具有相應的數據類型一個挑戰。不幸的是，使用 np.concatenate() 的常見方法會將整個數組轉換為字串資料類型，從而導致記憶體效率低下。

要克服此限制，一個可行的解決方案是使用記錄數組或結構化數組。

記錄數組

記錄數組允許透過屬性存取各個資料欄位。透過指定每個欄位的資料類型，可以將多個資料類型組合在一個陣列中：

import numpy as np

a = np.array(['a', 'b', 'c', 'd', 'e'])
b = np.arange(5)
records = np.rec.fromarrays((a, b), names=('keys', 'data'))

print(records)

輸出：

rec.array([('a', 0), ('b', 1), ('c', 2), ('d', 3), ('e', 4)], 
      dtype=[('keys', '|S1'), ('data', '<i8')])

結構化數組

結構化數組是類似，提供定義每列資料類型的能力。但是，它們不支援像記錄數組那樣的屬性存取：

arr = np.array([('a', 0), ('b', 1)], 
                      dtype=([('keys', '|S1'), ('data', 'i8')]))

print(arr)

輸出：

array([('a', 0), ('b', 1)], 
      dtype=[('keys', '|S1'), ('data', '<i8')])

在記錄陣列與結構化陣列之間進行選擇

記錄數組和結構化數組之間的選擇取決於各個用例。記錄數組為屬性存取提供了便利，而結構化數組可能更適合更複雜的資料結構。這兩種方法都提供了一種在 NumPy 中將陣列與不同資料類型組合的便捷方法，從而提供資料操作的靈活性和效率。