如何合并两种dtype的NumPy数组？解决类型转换报错

你遇到的问题核心是两个数组的dtype完全不兼容，直接用np.array、stack这类方法会触发强制类型转换，导致报错。正确的做法是创建一个复合结构化数组，把两个原数组作为独立字段填充进去，具体步骤如下：

问题原因 #

np.array([table1, table2])会尝试将两个数组的元素按位置拼接，但table1是字符串类型，table2是嵌套的结构化数组，NumPy无法自动完成这种类型转换，所以抛出invalid literal for int() with base 10错误。stack、concatenate则要求输入数组的维度和dtype一致，自然也无法执行。

解决方案 #

直接构建复合结构化数组，通过字段赋值完成合并：

import numpy as np

# 模拟输入字典（请替换为你的实际数据）
pointerTable = {
    b'key1': ((1, b'table1'), (2, b'table2')),
    b'key2': ((3, b'table3'), (4, b'table4'))
}

dtTable1 = np.dtype("<S22")
table1 = np.fromiter(pointerTable.keys(), dtTable1)

dt = np.dtype([('pointer', np.int16), ('table', "<S22")])
dtTable2 = np.dtype([('table_pointer', dt, (2,))])  # 用(2,)明确子数组形状为2的一维结构
table2 = np.fromiter(pointerTable.values(), dtype=dtTable2)

# 1. 定义包含两个字段的复合dtype
new_dtype = np.dtype([
    ('keys', dtTable1),
    ('vals', dtTable2)
])

# 2. 初始化空数组，长度与原数组一致
pTable = np.empty(len(table1), dtype=new_dtype)

# 3. 分别给两个字段赋值
pTable['keys'] = table1
pTable['vals'] = table2

# 验证结果
print(pTable)
print("\n数组dtype：", pTable.dtype)

说明 #

• 这种方法不需要类型转换，直接将原数组的数据映射到新数组的对应字段，完全保留原数据的dtype和结构
• 必须保证table1和table2的长度相同，否则无法完成字段赋值
• dtTable2定义时用(2,)而非(2)，明确表示这是一个形状为2的一维子数组，避免潜在的dtype解析歧义

内容的提问来源于stack exchange，提问作者Nixcc