使用其他Numpy数组创建结构化数组不符合预期的问题

问题原因分析 #

当你直接将二维Numpy数组传入np.array()并指定结构化dtype时，Numpy会将数组的每个独立元素映射到结构化类型的字段，而非把每行作为一个完整的结构化条目。这就导致最终每个结构化字段被填充了整行数据，出现(2,2)的异常shape。

而你尝试的列表推导式[zz for zz in np.array(...)]，得到的zz是Numpy一维数组而非元组/列表，Numpy依然会将其当作单个元素处理，导致字段shape异常。

三个有效解决方法 #

方法1：使用np.rec.fromarrays（推荐）

将原数组的列拆分为独立数组，对应结构化类型的每个字段：

import numpy as np
# 原数组
arr = np.array([(1, 2), (3, 4)])
# 基于列数组创建结构化数组
structured_arr = np.rec.fromarrays(
    [arr[:, 0], arr[:, 1]],
    dtype=[('foo', 'i8'), ('bar', 'f4')]
)

print(structured_arr['foo'])
# 输出：array([1, 3], dtype=int64)
print(structured_arr['foo'].shape)
# 输出：(2,)

方法2：将原数组转为列表再构造

把原数组转换为嵌套列表（让每个子列表对应一个结构化条目），再传入np.array()：

import numpy as np
arr = np.array([(1, 2), (3, 4)])
# 转为列表后构造
structured_arr = np.array(
    arr.tolist(),
    dtype=[('foo', 'i8'), ('bar', 'f4')]
)

print(structured_arr['foo'])
# 输出：array([1, 3], dtype=int64)
print(structured_arr['foo'].shape)
# 输出：(2,)

方法3：使用view()调整类型（适合类型匹配场景）

如果原数组的数据类型与目标结构化类型兼容，可以直接用view()转换，同时调整形状：

import numpy as np
arr = np.array([(1, 2), (3, 4)], dtype='i8')  # 先统一类型
# 调整形状并转换为结构化类型
structured_arr = arr.reshape(-1).view([('foo', 'i8'), ('bar', 'f4')])

print(structured_arr['foo'])
# 输出：array([1, 3], dtype=int64)
print(structured_arr['foo'].shape)
# 输出：(2,)

内容的提问来源于stack exchange，提问作者Niclas Eich