आप dtype = object
साथ एक सरणी इस्तेमाल कर सकते हैं:
>>> 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)
सूचना है कि आप सही व्यवहार जब गणित कर मिलता है।
>>> 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)
या आप एक numpy.recarray
इस्तेमाल कर सकते हैं:
>>> 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.]])
आप सभी मूल्यों पर गणित करने की जरूरत है, तो आप अलग से प्रत्येक क्षेत्र पर कार्रवाई करने के लिए होगा, उदा
>>> arr['x'] += 2
>>> arr['y'] += 2
जिज्ञासा से, आपको इसकी आवश्यकता क्यों होगी? – Rambatino
कल्पना करें कि आपको कुछ मिश्रित डेटा स्टोर करना है, जहां 1 फ़ील्ड पूर्णांक है (यानी एक विघटित स्थिति), और अन्य वास्तविक हैं। – gluuke
लेकिन आप इस डेटा के साथ क्या कर रहे हैं? 1 कब है! = 1.0 समस्याग्रस्त? – Rambatino