簡介
之前我們操作Numpy的數組時，都是通過索引來操作的。針對二維數組，使用索引可以完成對行、列的操作。但是這是非常不直觀的。可以把二維數組想象成一個excel表格，如果表格沒有列名，操作起來會非常麻煩，針對這種情況，Numpy提供了結構化數組用來操作每列數據。
之前我們操作Numpy的數組時，都是通過索引來操作的。針對二維數組，使用索引可以完成對行、列的操作。但是這是非常不直觀的。可以把二維數組想象成一個excel表格，如果表格沒有列名，操作起來會非常麻煩，針對這種情況，Numpy提供了結構化數組用來操作每列數據。
來看一個示例
x = np.array([('Bob', 18, 2000.0),('Tom', 23, 4000.0)],dtype=[('name', 'S10'), ('age', np.int_), ('incom', np.float_)])
x
Out[245]:
array([(b'Bob', 18, 2000.), (b'Tom', 23, 4000.)],
dtype=[('name', 'S10'), ('age', '<i4'), ('incom', '<f8')])
x.shape
Out[246]: (2,)
row = x[0]
row
Out[248]: (b'Bob', 18, 2000.)
col = x['name']
col
Out[250]: array([b'Bob', b'Tom'], dtype='|S10')
上面我們創建了一個二維數組，行數為2，列數為3，其中每列的類型分別是長度為10或者更小的字符串、32位整數、64位浮點數。之后分別使用數字索引訪問了第一行數據得到row，以及使用名稱索引訪問了第一列數據得到col。
需要注意的是，不管是row還是col，獲取到的都是只是視圖，所以更改結構化數組x時，對應的視圖也會發生改變。
x['name'] = ['Bob01', 'Tom01']
x
Out[252]:
array([(b'Bob01', 18, 2000.), (b'Tom01', 23, 4000.)],
dtype=[('name', 'S10'), ('age', '<i4'), ('incom', '<f8')])
row
Out[253]: (b'Bob01', 18, 2000.)
col
Out[254]: array([b'Bob01', b'Tom01'], dtype='|S10')
構建結構化數組
通過dtype對象定義一個結構化數組。。使用參數（如提供給dtype函數關鍵字或dtype對象構造函數本身）通過四種可選方法之一指定記錄結構。此參數必須是以下之一：string，tuple，list，或 dictionary。
字符串參數
在這種情況下，構造函數需要一個逗號分隔的類型說明符列表，可選地包含額外的形狀信息。字段被賦予默認名稱'f0'，'f1'，'f2'等。類型說明符可以采用4種不同的形式：
a) b1, i1, i2, i4, i8, u1, u2, u4, u8, f2, f4, f8, c8, c16, a<n>
(代表 bytes, ints, unsigned ints, floats, complex and
fixed length strings of specified byte lengths)b) int8,...,uint8,...,float16, float32, float64, complex64, complex128
(this time with bit sizes)c) older Numeric/numarray type specifications (e.g. Float32).
不推薦使用！d) Single character type specifiers (e.g H for unsigned short ints).
一般也避免使用！
示例如下：
x = np.zeros(3, dtype='3int8, float32, (2,3)float64')
x
Out[256]:
array([([0, 0, 0], 0., [[0., 0., 0.], [0., 0., 0.]]),
([0, 0, 0], 0., [[0., 0., 0.], [0., 0., 0.]]),
([0, 0, 0], 0., [[0., 0., 0.], [0., 0., 0.]])],
dtype=[('f0', 'i1', (3,)), ('f1', '<f4'), ('f2', '<f8', (2, 3))])
元祖參數
適用於記錄結構的唯一相關元組是當結構映射到現有數據類型時。這是通過在元組中配對現有數據類型與匹配的dtype定義（使用此處描述的任何變體）來完成的。
x = np.zeros(3, dtype=('i4',[('r','u1'), ('g','u1'), ('b','u1'), ('a','u1')]))
x
Out[258]:
array([0, 0, 0],
dtype=(numpy.int32, [('r', 'u1'), ('g', 'u1'), ('b', 'u1'), ('a', 'u1')]))
x['r']
Out[259]: array([0, 0, 0], dtype=uint8)
列表參數
在這種情況下，記錄結構用元組列表定義。每個元組具有2或3個元素，指定：字段的名稱（允許使用''），字段的類型，以及形狀（可選）。
x = np.zeros(3, dtype=[('x','f4'),('y',np.float32),('value','f4',(2,2))])
x
Out[261]:
array([(0., 0., [[0., 0.], [0., 0.]]), (0., 0., [[0., 0.], [0., 0.]]),
(0., 0., [[0., 0.], [0., 0.]])],
dtype=[('x', '<f4'), ('y', '<f4'), ('value', '<f4', (2, 2))])
字典參數
允許兩種不同的形式。第一個包含一個具有兩個必需鍵（'names'和'formats'）的字典，每個鍵都有一個相等大小的值列表。格式列表包含在其他上下文中允許的任何類型/形狀說明符。名稱必須是字符串。有兩個可選鍵：“offsets”和“titles”。每個都必須是相應匹配的列表，其中偏移量包含每個字段的整數偏移量，標題是包含每個字段的元數據的對象（這些對象不必是字符串），其中允許值為None。舉個例子：
x = np.zeros(3, dtype={'names':['col1', 'col2'], 'formats':['i4','f4']})
x
Out[263]:
array([(0, 0.), (0, 0.), (0, 0.)],
dtype=[('col1', '<i4'), ('col2', '<f4')])
允許的其他字典形式是具有指定類型，偏移和可選標題的元組值的名稱鍵的字典。
x = np.zeros(3, dtype={'col1':('i1',0,'title 1'), 'col2':('f4',1,'title 2')})
x
Out[265]:
array([(0, 0.), (0, 0.), (0, 0.)],
dtype=[(('title 1', 'col1'), 'i1'), (('title 2', 'col2'), '<f4')])
訪問字段標題
字段標題提供了一個標准位置來放置字段的關聯信息。他們不必是字符串。
x.dtype.fields['col1'][2] Out[267]: 'title 1'
訪問和修改字段名稱
x.dtype.names
Out[268]: ('col1', 'col2')
x.dtype.names = ('x', 'y')
x
Out[270]:
array([(0, 0.), (0, 0.), (0, 0.)],
dtype=[(('title 1', 'x'), 'i1'), (('title 2', 'y'), '<f4')])
一次訪問多個字段
您可以使用字段名稱列表一次訪問多個字段：
x = np.array([(1.5, 2.5, (1.0, 2.0)), (3., 4., (4., 5.)), (1., 3., (2., 6.))],
dtype=[('x', 'f4'), ('y', np.float32), ('value', 'f4', (2, 2))])
請注意，x是使用元組列表創建的。
x[['x','y']]
Out[272]:
array([(1.5, 2.5), (3. , 4. ), (1. , 3. )],
dtype=[('x', '<f4'), ('y', '<f4')])
x[['x','value']]
Out[273]:
array([(1.5, [[1., 2.], [1., 2.]]), (3. , [[4., 5.], [4., 5.]]),
(1. , [[2., 6.], [2., 6.]])],
dtype=[('x', '<f4'), ('value', '<f4', (2, 2))])
x[x['y'] == 4]
Out[274]:
array([(3., 4., [[4., 5.], [4., 5.]])],
dtype=[('x', '<f4'), ('y', '<f4'), ('value', '<f4', (2, 2))])
字段按請求的順序返回（可以用來調整數組順序）：
x[['y','x']]
Out[275]:
array([(2.5, 1.5), (4. , 3. ), (3. , 1. )],
dtype=[('y', '<f4'), ('x', '<f4')])
記錄數組
雖然結構化數組已經能夠通過字段索引來操作數組了，記錄數組允許通過Python中屬性的方式（就是以“.”的方式）來操作。
記錄數組也使用特殊的數據類型numpy.record
創建記錄數組的最簡單的方法是使用numpy.rec.array：
recordarr = np.rec.array([(1,2.,'Hello'),(2,3.,"World")], dtype=[('foo', 'i4'),('bar', 'f4'), ('baz', 'S10')])
recordarr.bar
Out[277]: array([2., 3.], dtype=float32)
recordarr[1:2]
Out[278]:
rec.array([(2, 3., b'World')],
dtype=[('foo', '<i4'), ('bar', '<f4'), ('baz', 'S10')])
recordarr[1:2].foo
Out[279]: array([2])
recordarr.foo[1:2]
Out[280]: array([2])
recordarr[1].baz
Out[281]: b'World'
numpy.rec.array可以將各種參數轉換為記錄數組，包括正常的結構化數組：
arr = np.array([(1,2.,'Hello'),(2,3.,"World")], dtype=[('foo', 'i4'), ('bar', 'f4'), ('baz', 'S10')])
recordarr = np.rec.array(arr)
recordarr
Out[285]:
rec.array([(1, 2., b'Hello'), (2, 3., b'World')],
dtype=[('foo', '<i4'), ('bar', '<f4'), ('baz', 'S10')])