如何在Python中利用NumPy处理具有多个维度的结构化数组？-Python教程-PHP中文网

结构化数组的 dtype 必须显式指定字段名和类型；它按字段组织数据，非普通二维数组，需先定义 dtype 再构造数组，字段顺序、类型、命名均需严格匹配，访问应通过字段名而非位置索引。

如何在python中利用numpy处理具有多个维度的结构化数组？

结构化数组的 dtype 定义必须显式指定字段名和类型

NumPy 的 structured array 不是普通二维数组，它像数据库表一样按字段组织数据。如果只用 np.array([...]) 直接传入字典或元组列表，NumPy 会默认转成 object 类型，后续无法做向量化运算。

正确做法是先定义 dtype，再构造数组：

import numpy as np
dt = np.dtype([('name', 'U10'), ('age', 'i4'), ('score', 'f4')])
data = np.array([('Alice', 25, 89.5), ('Bob', 30, 92.0)], dtype=dt)

注意：'U10' 表示最多 10 个 Unicode 字符；'i4' 是 32 位整数；字段顺序和类型必须与数据严格匹配，否则会静默截断或填充零。

字段名不能是 Python 关键字（如 class、def），否则访问时语法报错
字符串字段推荐用 U（Unicode）而非 S（bytes），避免编码问题
嵌套结构可用 dtype 嵌套定义，但索引变复杂，日常少用

访问字段要用点号或方括号，不能用二维索引

结构化数组不是矩阵，arr[0][1] 这种写法会返回第一个记录的第二个字段值（依赖字段顺序），但语义模糊且易出错。应始终通过字段名访问：

print(data['name'])     # ['Alice' 'Bob']
print(data['score'][0]) # 89.5

点号访问（data.name）更简洁，但字段名含空格或特殊字符时只能用方括号。

对字段切片（如 data['score'] > 90）返回布尔数组，可直接用于布尔索引
data[['name', 'score']] 返回新结构化数组，仅含指定字段
不能对整个结构化数组调用 .reshape()，必须先提取字段再 reshape

多维结构化数组需在 dtype 外再指定 shape

结构化数组本身可以有多个维度（如 (3, 4)），但每个元素仍是单条记录。常见误区是以为“多维”意味着字段内部是数组——其实不是，那是“结构化数组的字段为数组类型”。

Python Hardener

通过完整的安全审查、代码整洁重构、健壮的错误处理、正确的日志记录以及完整的文档字符串覆盖，强化 Python 脚本。

下载

例如，表示 2×3 个学生的数据：

dt = np.dtype([('id', 'i4'), ('grades', 'f4', (5,))])  # grades 是长度为 5 的 float 数组
arr = np.zeros((2, 3), dtype=dt)
arr[0, 1]['id'] = 101
arr[0, 1]['grades'] = [85, 90, 78, 92, 88]

这里 (5,) 是字段 grades 的 shape，而 (2, 3) 是整个结构化数组的 shape。

字段内数组维度写在 dtype 元组第三项（如 ('grades', 'f4', (5,))），缺省即标量
多维结构化数组的广播规则与普通数组一致，但字段操作仍需显式指定
内存布局是结构体数组（AoS），不是数组结构体（SoA），所以跨字段向量化效率较低

结构化数组与 pandas DataFrame 的互转要注意缺失值处理

用 pd.DataFrame(arr) 转换时，NumPy 的 None 或 np.nan 在结构化数组中可能被转成 object 类型列，丢失数值属性。反过来，df.to_records() 默认生成 object dtype，需手动指定：

df = pd.DataFrame({'x': [1, 2], 'y': [3.5, np.nan]})
rec = df.to_records(index=False, column_dtypes={'x': 'i4', 'y': 'f4'})

更稳妥的方式是先构造明确 dtype 再赋值：

dt = np.dtype([('x', 'i4'), ('y', 'f4')])
rec = np.empty(len(df), dtype=dt)
rec['x'] = df['x'].values.astype('i4')
rec['y'] = df['y'].values.astype('f4')  # 自动将 NaN 转为 np.nan