将 dtype 分配给 numpy 数组的每个列

使用 numpy.loadtxt 从文本文件简单加载数据：

with open('posizioni_mm.txt') as f:
    dt = [('A', 'int'), ('B', 'float'), ('C', 'float'), ('D', 'float'), ('E', '<U32')]
    arr = np.loadtxt(f, dtype=dt)
    print(arr)

[(30, 0.78, 227.31, 270.7 , 'link_1') (30, 0.73, 310.79, 268.72, 'link_2')
 (30, 0.32, 141.41, 276.87, 'link_3') (35, 0.45,  72.47, 212.11, 'link_4')
 (30, 0.18, 163.22, 205.95, 'link_5') ( 8, 0.25, 109.69, 207.49, 'link_6')
 (24, 0.3 , 295.15, 197.14, 'link_7') (45, 0.3 , 390.97, 179.96, 'link_8')
 ( 8, 0.45, 153.08, 101.1 , 'link_9')
 (33, 0.36,  87.44, 114.32, 'link_10')
 ( 8, 0.24, 285.9 ,  94.27, 'link_11')
 (30, 0.42, 326.87,  90.97, 'link_12')
 (33, 0.4 , 221.15,  96.92, 'link_13')
 (18, 0.2 , 257.49,  56.61, 'link_14')
 (51, 0.16, 194.71,  53.96, 'link_15')]

现在，您可以按名称访问列，例如：'E'

print(arr['E'])

['link_1' 'link_2' 'link_3' 'link_4' 'link_5' 'link_6' 'link_7' 'link_8'
 'link_9' 'link_10' 'link_11' 'link_12' 'link_13' 'link_14' 'link_15']

将数据放在数组中后，就可以轻松计算字段（列）的平均值和标准差。此答案显示了如何扩展上面@RomanPerekhrest发布的解决方案。

f = 'posizioni_mm.txt'
dt = [('A', 'int'), ('B', 'float'), ('C', 'float'), ('D', 'float'), ('E', '<U32')]
arr = np.loadtxt(f, dtype=dt)
col_B = arr['B'] # to load column B values to an array
print(f"Col B mean = {np.mean(col_B):.2f}") # reference col_B above
print(f"Col B stddev = {np.std(arr['B']):.2f}") # Or just use arr['B']

数据的打印值：

Col B mean = 0.37
Col B stddev = 0.18

为了方便复制粘贴，我用字符串列表代替您的文件：

In [27]: txt = """30 0.78 227.31 270.7 link_1
    ...: 30 0.73 310.79 268.72 link_2
    ...: 30 0.32 141.41 276.87 link_3
    ...: 35 0.45 72.47 212.11 link_4
    ...: 30 0.18 163.22 205.95 link_5""".splitlines()

您的化合物类型：

In [28]: dt = [('A', 'int'), ('B', 'float'), ('C', 'float'), ('D', 'float'), ('E', '<U32')]

要从数据创建结构化数组，您需要提供元组列表（而不是列表列表）。只需稍作改动，您的代码就可以工作了：

In [29]: np.array([(tuple([x for x in line.split()])) for line in txt], dtype = dt )
Out[29]: 
array([(30, 0.78, 227.31, 270.7 , 'link_1'),
       (30, 0.73, 310.79, 268.72, 'link_2'),
       (30, 0.32, 141.41, 276.87, 'link_3'),
       (35, 0.45,  72.47, 212.11, 'link_4'),
       (30, 0.18, 163.22, 205.95, 'link_5')],
      dtype=[('A', '<i4'), ('B', '<f8'), ('C', '<f8'), ('D', '<f8'), ('E', '<U32')])

loadtxt/genfromtxt 也是如此：

In [30]: data = np.loadtxt(txt,dtype=dt)    
In [31]: data
Out[31]: 
array([(30, 0.78, 227.31, 270.7 , 'link_1'),
       (30, 0.73, 310.79, 268.72, 'link_2'),
       (30, 0.32, 141.41, 276.87, 'link_3'),
       (35, 0.45,  72.47, 212.11, 'link_4'),
       (30, 0.18, 163.22, 205.95, 'link_5')],
      dtype=[('A', '<i4'), ('B', '<f8'), ('C', '<f8'), ('D', '<f8'), ('E', '<U32')])

In [35]: data['A']
Out[35]: array([30, 30, 30, 35, 30])

我不知道你想对小组做什么。请记住，对于结构化数组，您有字段，而不是列。所以 2d 索引不起作用。一般来说，你不能跨领域做数学运算。

可以定义一个将 3 个浮点列组合在一起的 dtype：

In [36]: dt = [('A', 'int'), ('BCD', 'float',3), ('E', '<U32')]    
In [37]: data = np.loadtxt(txt,dtype=dt)    
In [38]: data
Out[38]: 
array([(30, [7.8000e-01, 2.2731e+02, 2.7070e+02], 'link_1'),
       (30, [7.3000e-01, 3.1079e+02, 2.6872e+02], 'link_2'),
       (30, [3.2000e-01, 1.4141e+02, 2.7687e+02], 'link_3'),
       (35, [4.5000e-01, 7.2470e+01, 2.1211e+02], 'link_4'),
       (30, [1.8000e-01, 1.6322e+02, 2.0595e+02], 'link_5')],
      dtype=[('A', '<i4'), ('BCD', '<f8', (3,)), ('E', '<U32')])        
In [40]: data['BCD']
Out[40]: 
array([[7.8000e-01, 2.2731e+02, 2.7070e+02],
       [7.3000e-01, 3.1079e+02, 2.6872e+02],
       [3.2000e-01, 1.4141e+02, 2.7687e+02],
       [4.5000e-01, 7.2470e+01, 2.1211e+02],
       [1.8000e-01, 1.6322e+02, 2.0595e+02]])

或者将所有数值列加载为浮点数，跳过字符串列。这给出了 2d 浮点数组：

In [41]: data = np.genfromtxt(txt,usecols=[0,1,2,3],encoding=None)
In [42]: data
Out[42]: 
array([[3.0000e+01, 7.8000e-01, 2.2731e+02, 2.7070e+02],
       [3.0000e+01, 7.3000e-01, 3.1079e+02, 2.6872e+02],
       [3.0000e+01, 3.2000e-01, 1.4141e+02, 2.7687e+02],
       [3.5000e+01, 4.5000e-01, 7.2470e+01, 2.1211e+02],
       [3.0000e+01, 1.8000e-01, 1.6322e+02, 2.0595e+02]])

多亏了你们，我以一种非常不优雅的方式解决了这个问题，但是......它有效

简而言之，我大量使用 .astype（...） 方法将字符串（临时）转换为 int 或 float

1. 从文件 .txt 创建数组后，我使用 argsort 和 astype（int） for array[：，0]

with open(file) as f:
    
    array = np.array([[x for x in line.split()] for line in f])

array = array[array[:, 0].astype(int).argsort()]

2. 然后我对 array[：，1] 进行操作，使用 .astype（float） 计算平均值和 std

groups = np.split(array[:, 0:], np.cumsum(np.unique(array[:, 0].astype(int), return_counts=True)[1])[:-1])
group_stats = np.array([(g[0, 0], len(g), np.mean(g[:, 1].astype(float)).round(2), np.std(g[:, 1].astype(float)).round(2)) for g in groups])

3. 然后我将 group_stats 用于其他事情（我必须选择累积置信水平 >0.35 且标准偏差 < 0.2） 的 3 个类