如何高效将Numpy结构化数组转换为二维浮点数组？

对于你给出的混合类型结构化数组，有两种高效方法可将其转换为全浮点型二维数组，全程利用Numpy向量优化，避免Python级循环：

方法1：astype+view（内存效率最优） #

先将所有字段统一转为浮点类型，再通过内存视图直接重塑为二维数组，仅需一次数据复制，性能最优：

import numpy as np

# 假设你的结构化数组名为 arr
# 生成与原数组字段对应、类型均为float32的dtype映射
float_dtype = {name: np.float32 for name in arr.dtype.names}
# 转换为全float32类型的结构化数组
float_struct_arr = arr.astype(float_dtype)
# 转为一维float32视图后重塑为二维数组
result = float_struct_arr.view(np.float32).reshape(-1, len(arr.dtype.names))

方法2：column_stack（直观易理解） #

提取每个字段的一维数组，转换类型后拼接为二维数组，代码逻辑更清晰：

import numpy as np

# 遍历所有字段，转float32后拼接成二维数组
result = np.column_stack([arr[field].astype(np.float32) for field in arr.dtype.names])

注意事项 #

• 原数组中u1（uint8）类型字段转float32不会丢失精度，因为uint8的取值范围（0-255）可被float32精确表示。
• 两种方法均为Numpy内部批量操作，处理大型数组时性能远优于手动循环。

内容的提问来源于stack exchange，提问作者Ars ML