为NumPy数组分配名称与格式时出现列重复问题求助

你遇到的问题根源在于：用np.concatenate得到的是普通二维数组（形状(5000,9)），直接调用astype(ds_dt)时，numpy无法正确将普通数组的列映射到结构化dtype的字段，反而会把每行的所有值广播到每个字段，最终导致每列重复9次。

下面是两种可行的解决方案：

方法一：用np.core.records.fromarrays直接生成结构化数组 #

这种方法不需要先合并普通数组，直接将两个输入数组的列按字段组合：

import numpy as np

namesList = ['EID', 'Domain', 'LAM ID1', 'LAM ID2','LAM ID3', 'LAM ID4', 'LAM ID5', 'LAM ID6', 'LAM ID7']
formatsList = ['int', 'int', 'float', 'float', 'float', 'float', 'float', 'float', 'float']

# 把两个数组的列拆分后合并成一个列表
all_cols = list(LAM_Strength_RFs_Data.T) + list(LAM_Strength_RFs.T)

# 生成结构化数组
Final_Lam_Strength = np.core.records.fromarrays(
    all_cols,
    names=namesList,
    formats=formatsList
)

方法二：创建空结构化数组后逐字段赋值 #

先初始化符合要求的结构化数组，再分别把两个输入数组的列赋值到对应字段：

import numpy as np

namesList = ['EID', 'Domain', 'LAM ID1', 'LAM ID2','LAM ID3', 'LAM ID4', 'LAM ID5', 'LAM ID6', 'LAM ID7']
formatsList = ['int', 'int', 'float', 'float', 'float', 'float', 'float', 'float', 'float']
ds_dt = np.dtype({'names':namesList, 'formats':formatsList})

# 创建空的结构化数组，长度5000
Final_Lam_Strength = np.empty(5000, dtype=ds_dt)

# 赋值整数数组的两列
Final_Lam_Strength['EID'] = LAM_Strength_RFs_Data[:, 0]
Final_Lam_Strength['Domain'] = LAM_Strength_RFs_Data[:, 1]

# 循环赋值浮点数数组的七列
for idx in range(7):
    Final_Lam_Strength[f'LAM ID{idx+1}'] = LAM_Strength_RFs[:, idx]

用这两种方法生成的结构化数组，每个字段对应原来数组的一列，不会出现重复问题，之后可以直接写入H5文件作为带列标题的数据集。

内容的提问来源于stack exchange，提问作者Tom Handford