更改結構化/記錄陣列的類型

Question

Q1。將列重新設置爲不同的數據類型時，是否優先使用np.array或np.astype？我見過使用np.astype的例子，但都似乎返回了所需的結果（都返回原始數組的副本）。

import numpy as np 

## recasting string to integer 
x = np.rec.array([('a','1'),('b','2')],names='col1,col2') 
## 
In []: x 
Out[]: 
rec.array([('a', '1'), ('b', '2')], 
     dtype=[('col1', '|S1'), ('col2', '|S1')]) 
## 
dt = x.dtype.descr 
dt[1] = (dt[1][0],'int') 
## which is more appropriate: 
y = np.array(x,dtype=dt) 
## or 
y = x.astype(dt) 
## ? 
In []: y 
Out[]: 
rec.array([('a', 1), ('b', 2)], 
     dtype=[('col1', '|S1'), ('col2', '<i4')]) 

Q2。重命名列：調用np.array時，整數列變爲零，但保留其值np.rec.array。爲什麼？我的理解是，對於前者，你得到一個結構化數組，而後者返回一個記錄數組;對於大多數目的，我認爲他們是一樣的。無論如何，這種行爲令人驚訝。

## rename 2nd column from col2 to v2 
dt = copy.deepcopy(y.dtype) 
names = list(dt.names) 
names[1] = 'v2' 
dt.names = names 
## this is not right 
newy = np.array(y,dtype=dt) 
In []: newy 
Out[]: 
array([('a', 0), ('b', 0)], 
     dtype=[('col1', '|S1'), ('v2', '<i4')]) 
## this is correct 
newy = np.rec.array(y,dtype=dt) 
In []: newy 
Out[]: 
rec.array([('a', 1), ('b', 2)], 
     dtype=[('col1', '|S1'), ('v2', '<i4')]) 

Answer 1

Q1：無論是np.array和np.astype方法做下引擎罩以同樣的方式同樣的工作。使用np.astype涉及少一點打字，讀者更清楚打算改變數據類型。