python - Numpy:了解行名称的 numpy 数组概念

Question

也许是一个非常模糊的问题，但挖掘 numpy 上的链接对我没有帮助。

我需要对如下所示的二进制数组进行层次聚类计算相似度矩阵

name    val1    val2    val3    val4    val5
comp1   0   0   1   0   1
comp2   1   0   0   0   0
comp3   0   0   1   0   0
comp4   1   1   0   0   0
comp5   0   0   1   0   0

我不明白 numpy 中行名称的概念。我可以这样读取文件

test = np.genfromtxt('test.b', delimiter='\t', names = True, dtype = None)
print type(test[0])
numpy.void
print test[0]
('comp1',0, 0, 1, 0, 1)

但是如何考虑行名称(这个信息非常重要)？可能吗？

我想 void 不是存储二进制数组以进一步计算相似度矩阵的正确方法？

Answer 1

Numpy 并不真正支持行名称。它确实支持列名，通过 structured arrays .您可以使用类似 dtype=[('name', object), ('val1', int), ...] 的内容。也许，这也可以通过读取文件的第一行来实现自动化。

genfromtxt 给你的只是一个 object 类型的数组，其中一列恰好包含字符串，而其他列恰好包含整数——但它们都是存储为 Python 对象的效率低下，而不是高效的格式。

您可能对 pandas 感兴趣，它扩展了 numpy 矩阵，支持标记行(以及许多其他内容)。 pandas.read_table将很好地处理您的文件。