为NumPy数组各列指定dtype时遇问题，请求技术帮助

核心问题分析 #

你遇到的类型转换错误，本质是结构化dtype的数组要求输入元组序列，而你传入的是列表的列表，导致NumPy对数据结构解析出错，把本该在最后一列的字符串分到了前面的数值列，触发类型转换失败。

方法一：用np.genfromtxt直接读取（最省心） #

这是处理这类带混合类型文本文件的最优方案，无需手动遍历每行，直接指定数据类型即可：

import numpy as np

# 定义各列的数据类型
dt = [('A', 'int'), ('B', 'float'), ('C', 'float'), ('D', 'float'), ('E', '<U32')]
# skip_header=1 跳过第一行表头（和你原代码里的next(f)作用一致）
array = np.genfromtxt('posizioni_mm.txt', dtype=dt, skip_header=1)

方法二：修改你原有的代码 #

只需要把每行split后的列表转成元组，就能让NumPy正确识别结构化数据：

import numpy as np

with open('posizioni_mm.txt') as f:
    next(f)  # 跳过表头行
    dt = [('A', 'int'), ('B', 'float'), ('C', 'float'), ('D', 'float'), ('E', '<U32')]
    # 关键：把每行的split结果从列表转成元组
    array = np.array([tuple(line.split()) for line in f], dtype=dt)

关于空结构化数组的创建 #

你之前用np.zeros(np.shape(array), dtype=dt)得到错误结构的数组，是因为原数组（未指定dtype时）是二维数组(n行5列)，而结构化数组的形状应该是一维(n个元素，每个元素是含5个字段的元组)。正确创建空数组的方式：

# 假设原未指定dtype的数组为array_original
array2 = np.empty(array_original.shape[0], dtype=dt)

# 逐个字段赋值
array2['A'] = array_original[:, 0].astype(int)
array2['B'] = array_original[:, 1].astype(float)
array2['C'] = array_original[:, 2].astype(float)
array2['D'] = array_original[:, 3].astype(float)
array2['E'] = array_original[:, 4]

内容的提问来源于stack exchange，提问作者caesar753