你可以使用一个数组dtype = object
:
>>> arr = np.ndarray((10,4),dtype = object)
>>> arr[:,0] = int(10)
>>> arr[:,1:] = float(10)
>>> arr
array([[10, 10.0, 10.0, 10.0],
[10, 10.0, 10.0, 10.0],
[10, 10.0, 10.0, 10.0],
[10, 10.0, 10.0, 10.0],
[10, 10.0, 10.0, 10.0],
[10, 10.0, 10.0, 10.0],
[10, 10.0, 10.0, 10.0],
[10, 10.0, 10.0, 10.0],
[10, 10.0, 10.0, 10.0],
[10, 10.0, 10.0, 10.0]], dtype=object)
请注意,您在进行算术运算时会得到正确的行为。
>>> arr / 3
array([[3, 3.33333333333, 3.33333333333, 3.33333333333],
[3, 3.33333333333, 3.33333333333, 3.33333333333],
[3, 3.33333333333, 3.33333333333, 3.33333333333],
[3, 3.33333333333, 3.33333333333, 3.33333333333],
[3, 3.33333333333, 3.33333333333, 3.33333333333],
[3, 3.33333333333, 3.33333333333, 3.33333333333],
[3, 3.33333333333, 3.33333333333, 3.33333333333],
[3, 3.33333333333, 3.33333333333, 3.33333333333],
[3, 3.33333333333, 3.33333333333, 3.33333333333],
[3, 3.33333333333, 3.33333333333, 3.33333333333]], dtype=object)
或者你可以使用numpy.recarray
:
>>> import numpy as np
>>> arr = np.recarray(10,dtype=[('x',int),('y',float,4)])
>>> arr[:] = 0
>>> arr
rec.array([(0, array([ 0., 0., 0., 0.])), (0, array([ 0., 0., 0., 0.])),
(0, array([ 0., 0., 0., 0.])), (0, array([ 0., 0., 0., 0.])),
(0, array([ 0., 0., 0., 0.])), (0, array([ 0., 0., 0., 0.])),
(0, array([ 0., 0., 0., 0.])), (0, array([ 0., 0., 0., 0.])),
(0, array([ 0., 0., 0., 0.])), (0, array([ 0., 0., 0., 0.]))],
dtype=[('x', '<i4'), ('y', '<f8', (4,))])
>>> arr['x']
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> arr['y']
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., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
如果您需要对所有值进行算术运算,则必须分别对每个字段执行操作,例如
>>> arr['x'] += 2
>>> arr['y'] += 2