前兩篇文章對NumPy數組做了基本的介紹，本篇文章對NumPy數組進行較深入的探討。首先介紹自定義類型的數組，接著數組的組合，最后介紹數組復制方面的問題。
通過NumPy也可以定義像C語言那樣的結構類型。在NumPy中定義結構的方法如下：
定義結構類型名稱；定義字段名稱，標明字段數據類型。
[python] view plain copy student= dtype({'names':['name', 'age', 'weight'], 'formats':['S32', 'i','f']}, align = True)這里student是自定義結構類型的名稱，使用dtype函數創建，在第一個參數中，'names'和'formats'不能改變，names中列出的是結構中字段名稱，formats中列出的是對應字段的數據類型。S32表示32字節長度的字符串，i表示32位的整數，f表示32位長度的浮點數。最后一個參數為True時，表示要求進行內存對齊。
字段中使用NumPy的字符編碼來表示數據類型。更詳細的數據類型見下表。
| 數據類型 | 字符編碼 |
| 整數 | i |
| 無符號整數 | u |
| 單精度浮點數 | f |
| 雙精度浮點數 | d |
| 布爾值 | b |
| 復數 | D |
| 字符串 | S |
| Unicode | U |
| Void | V |
除了在每個元素中依次列出對應字段的數據外，還需要在array函數中最后一個參數指定其所對應的數據類型。
注：例子來源于張若愚的Python科學計算藝術的29頁。更多關于dtype的內容請參考《NumPy for Beginner》一書的第二章。
這里介紹以不同的方式組合函數。首先創建兩個數組：
[python] view plain copy >>> a = arange(9).reshape(3,3) >>> a array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) >>> b = 2 * a >>> b array([[ 0, 2, 4], [ 6, 8, 10], [12, 14, 16]])另外，還有深度方面的組合函數dstack。顧名思義，就是在數組的第三個軸（即深度）上組合。如下：
[python] view plain copy >>> dstack((a, b)) array([[[ 0, 0], [ 1, 2], [ 2, 4]], [[ 3, 6], [ 4, 8], [ 5, 10]], [[ 6, 12], [ 7, 14], [ 8, 16]]]) 仔細觀察，發現對應的元素都組合成一個新的列表，該列表作為新的數組的元素。行組合可將多個一維數組作為新數組的每一行進行組合：
[python] view plain copy >>> one = arange(2) >>> one array([0, 1]) >>> two = one + 2 >>> two array([2, 3]) >>> row_stack((one, two)) array([[0, 1], [2, 3]]) 對于2維數組，其作用就像垂直組合一樣。列組合的效果應該很清楚了。如下：
[python] view plain copy >>> column_stack((oned, twiceoned)) array([[0, 2], [1, 3]]) 對于2維數組，其作用就像水平組合一樣。在NumPy中，分割數組的函數有hsplit、vsplit、dsplit和split?？蓪到M分割成相同大小的子數組，或指定原數組分割的位置。
垂直分割是沿著垂直的軸切分數組：
[python] view plain copy >>> vsplit(a, 3) >>> [array([[0, 1, 2]]), array([[3, 4, 5]]), array([[6, 7, 8]])] 同樣，也可通過solit函數并指定軸為1來獲得這樣的效果：[python] view plain copy >>> split(a, 3, axis=0)dsplit函數使用的是面向深度的分割方式：
[python] view plain copy >>> c = arange(27).reshape(3, 3, 3) >>> c array([[[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8]], [[ 9, 10, 11], [12, 13, 14], [15, 16, 17]], [[18, 19, 20], [21, 22, 23], [24, 25, 26]]]) >>> dsplit(c, 3) [array([[[ 0], [ 3], [ 6]], [[ 9], [12], [15]], [[18], [21], [24]]]), array([[[ 1], [ 4], [ 7]], [[10], [13], [16]], [[19], [22], [25]]]), array([[[ 2], [ 5], [ 8]], [[11], [14], [17]], [[20], [23], [26]]])]當運算和處理數組時，它們的數據有時被拷貝到新的數組有時不是。這通常是新手的困惑之源。這有三種情況:完全不復制
簡單的賦值，而不復制數組對象或它們的數據。
[python] view plain copy >>> a = arange(12) >>> b = a #不創建新對象 >>> b is a # a和b是同一個數組對象的兩個名字 True >>> b.shape = 3,4 #也改變了a的形狀 >>> a.shape (3, 4)Python 傳遞不定對象作為參考4，所以函數調用不拷貝數組。
[python] view plain copy >>> def f(x): ... PRint id(x) ... >>> id(a) #id是一個對象的唯一標識 148293216 >>> f(a) 148293216視圖(view)和淺復制
不同的數組對象分享同一個數據。視圖方法創造一個新的數組對象指向同一數據。
[python] view plain copy >>> c = a.view() >>> c is a False >>> c.base is a #c是a持有數據的鏡像 True >>> c.flags.owndata False >>> >>> c.shape = 2,6 # a的形狀沒變 >>> a.shape (3, 4) >>> c[0,4] = 1234 #a的數據改變了 >>> a array([[ 0, 1, 2, 3], [1234, 5, 6, 7], [ 8, 9, 10, 11]]) 切片數組返回它的一個視圖：[python] view plain copy >>> s = a[ : , 1:3] # 獲得每一行1，2處的元素 >>> s[:] = 10 # s[:] 是s的鏡像。注意區別s=10 and s[:]=10 >>> a array([[ 0, 10, 10, 3], [1234, 10, 10, 7], [ 8, 10, 10, 11]])深復制
這個復制方法完全復制數組和它的數據。
[python] view plain copy >>> d = a.copy() #創建了一個含有新數據的新數組對象 >>> d is a False >>> d.base is a #d和a現在沒有任何關系 False >>> d[0,0] = 9999 >>> a array([[ 0, 10, 10, 3], [1234, 10, 10, 7], [ 8, 10, 10, 11]])參考文獻：
《Python科學計算》《Tentative NumPy Tutorial》《NumPy for Beginner》
新聞熱點
疑難解答
