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')