使用Numpy、Pandas进行数据处理1.Numpy的结构化数组

Numpy的结构化数组是一种可以存储不同类型数据的数组。它类似于表格，每列可以有不同的数据类型，可以使用字段名来访问各列数据。以下是创建和访问结构化数组的示例代码：

import numpy as np

# 创建结构化数组
data = np.array([(1, 'John', 25), (2, 'Jane', 30)], dtype=[('id', int), ('name', 'S10'), ('age', int)])

# 访问结构化数组
print(data['id'])  # 输出 [1, 2]
print(data['name'])  # 输出 ['John', 'Jane']
print(data['age'])  # 输出 [25, 30]

在这个例子中，我们使用`np.array`函数创建了一个结构化数组，其中包含了三个字段：`id`、`name`和`age`。`dtype`参数指定了每个字段的数据类型。使用字段名可以访问结构化数组的各个列数据。

结构化数组在处理表格数据时非常有用，可以方便地进行数据查询和处理。