RecordArray是Python中NumPy库提供的结构化数组，让你通过字段名直接访问数据，无需记住索引位置，非常适合处理表格型异构数据。
recordarray python 创建：从列表与字典构建结构化数组
创建RecordArray主要有三种方式,每种都有适用场景。
使用np.rec.array()直接创建
最直接的方式,通过传递元组列表和指定dtype即可。
import numpy as np
arr = np.rec.array([(1, 'Alice', 90.5), (2, 'Bob', 85.0)],
dtype=[('id', int), ('name', 'U10'), ('score', float)])
'U10'表示长度10的Unicode字符串，实际使用中可根据数据长度调整，创建后，你可以通过arr[0]获取第一条记录，或通过arr.name获取所有name字段。
使用np.rec.fromrecords()从现有序列创建
如果你已有元组列表，且不想手动写dtype，fromrecords会自动推断类型。
data = [(1, 'Alice', 90.5), (2, 'Bob', 85.0)] arr = np.rec.fromrecords(data, names='id, name, score')
names参数指定字段名，用逗号分隔，字段名会自动成为数组的属性,方便访问。
从字典创建RecordArray
当数据以字典形式存在时，使用fromarrays。
dict_data = {'id': [1, 2], 'name': ['Alice', 'Bob'], 'score': [90.5, 85.0]}
arr = np.rec.fromarrays([dict_data['id'], dict_data['name'], dict_data['score']],
names='id, name, score')
第一个参数是列表，每个元素对应一个字段的数组，字段名在names中指定。
指定dtype的重要性
dtype决定字段的类型和名称，忽略它可能导致类型错误或数据截断，字符串字段不指定长度，默认转为对象类型，影响性能,建议在创建时显式指定dtype。
常见错误：字段名与数据不匹配，或类型不一致，将字符串赋值给int字段会引发异常，多数情况下，NumPy会尝试转换,但最好确保数据一致。
recordarray python 查询：通过字段名与切片高效获取数据
查询是RecordArray的强项,因为它支持直接属性访问。
属性访问字段
创建后,你可以像访问对象属性一样获取整个字段数组。
print(arr.name) # ['Alice', 'Bob'] print(arr.score) # [90.5, 85.0]
这种方式比使用索引更直观,尤其当字段名有意义时。
布尔索引过滤
筛选出满足条件的记录,可直接对数组应用布尔索引。
filtered = arr[arr.score > 86] print(filtered.name) # ['Alice']
布尔索引返回一个新的RecordArray,保留原字段名。
切片与选择部分字段
你可以像普通数组一样切片,也可以选择部分字段。
first_two = arr[0:2] partial = arr[['name', 'score']] # 选择name和score字段，返回RecordArray
选择部分字段返回新的RecordArray,内存可能重新分配。
查询性能优化建议
对于大规模数据，频繁使用属性访问可能稍慢，因为每次访问都会触发属性查找，如果多次使用同一个字段,建议先将其赋值给局部变量：
scores = arr.score # 之后多次使用scores
这样可以减少属性查找开销。
RecordArray与DataFrame对比：如何选择？
很多人在处理表格数据时，会在RecordArray和Pandas DataFrame之间犹豫，行业共识认为，两者各有侧重,选择取决于具体场景。
内存占用与性能
RecordArray基于NumPy数组，底层是连续内存块，因此内存占用更小，访问速度更快，对于中小规模数据（例如几万行），RecordArray的读写速度通常优于DataFrame，但DataFrame在处理大规模数据时有优化，比如分块读取、并行操作等。
字段访问与操作便利性
RecordArray支持直接属性访问（arr.name），代码更简洁，DataFrame则使用df['name']或df.name，但df.name在列名与方法名冲突时可能失效，DataFrame提供了丰富的操作函数，如分组、聚合、处理缺失值,而RecordArray在这些方面较弱。
下表列出了两者的主要差异：
| 对比维度 | RecordArray | DataFrame |
|---|---|---|
| 内存占用 | 较低 | 较高 |
| 字段访问 | 属性访问，直观 | 列名访问，需括号 |
| 缺失值处理 | 不支持原生NA | 支持NA |
| 内置函数 | 少 | 丰富 |
| 性能 | 中小规模快 | 大规模有优化 |
| 学习曲线 | 低 (NumPy基础) | 中 (需熟悉Pandas) |
如果你需要轻量级的数据存储，且操作简单，RecordArray是理想选择，如果你需要复杂的数据清洗、分析,DataFrame更合适。
recordarray python 进阶：赋值与字段操作
这部分介绍如何修改RecordArray中的数据。
recordarray python 赋值：直接修改字段内容
直接对字段名赋值,可以修改整个字段。
arr.name = ['Charlie', 'Diana']
注意，新赋值的数组长度必须与原数组一致，如果长度不匹配,会报错。
recordarray python 新增字段：通过重新构造实现
由于dtype固定，不能直接新增字段，你需要创建新dtype，然后重新构造数组,一个常见做法是：
old_dtype = arr.dtype.descr
new_dtype = old_dtype + [('gender', 'U1')]
new_arr = np.rec.array(arr, dtype=new_dtype)
# 然后设置新字段的值
new_arr.gender = ['F', 'M']
np.rec.array(arr, dtype=new_dtype)会复制数据，原字段值被保留，更稳妥的方法是先提取数据再重新创建,但直接构造更高效。
删除字段
同样需要重新构造,移除不需要的字段。
new_arr = arr[['id', 'name']] # 只提取id和name字段
使用字段选择方式返回新RecordArray,简洁且不易出错。
排序与分组
对RecordArray排序，使用np.argsort。
sorted_arr = arr[np.argsort(arr.score)]
分组（groupby）需要手动实现,或转换为DataFrame处理。
RecordArray是Python中处理结构化数据的有力工具，尤其适合对性能有要求且不需要复杂数据清洗的场景，掌握它，能让你在处理表格数据时多一个轻量级选择，在需要快速原型开发时快速上手。
recordarray python 常见问题解答
为什么我的recordarray无法直接修改字段名？
RecordArray的字段名在创建时由dtype定义，创建后不能直接修改，如果需要修改字段名，可以重新构造一个RecordArray，创建一个新的dtype，然后使用np.rec.array转换,但注意数据会被复制。
recordarray python 性能怎么样？
对于中小规模数据（例如几万行），RecordArray的访问速度通常比DataFrame快，因为它更底层，没有额外开销，但处理大规模数据或需要缺失值处理时，DataFrame更合适，多数情况下,根据数据量选择即可。
如何将recordarray转换为DataFrame？
可以直接使用pd.DataFrame(arr)进行转换，字段名会自动成为列名，如果字段包含Unicode字符串，确保Pandas版本兼容，转换后,你可以利用DataFrame的丰富功能进行进一步分析。
首发原创文章，作者：王坚，如若转载，请注明出处：https://idctop.com/article/508586.html
