如何创建嵌套rec数组？多数组合并为结构化数组的可扩展方案

要将多个numpy数组合并为可通过字段名访问的recarray（结构化数组），且满足扩展需求，可按以下步骤实现：

1. 用字典管理字段与数组 #

把所有需要合并的数组按「字段名-数组」的形式存入字典，新增字段时直接添加键值对即可，无需修改后续逻辑。

2. 定义结构化数组的类型 #

使用object类型作为每个字段的存储类型，这样可以直接存储原数组转换后的元组，匹配你需要的输出格式。

3. 创建并赋值recarray #

生成长度为1的recarray，再遍历字典为每个字段赋值。

完整代码示例 #

import numpy as np

# 原数组
name = np.array(['a', 'b', 'c'])
val = np.array([0.4, 0.5, 0.6])
alt = np.array([1.1, 2.1, 3.1])
b = np.array([17.2])

# 用字典管理所有字段，新增字段直接添加即可
field_map = {
    "name": name,
    "val": val,
    "alt": alt,
    "b": b
}

# 定义dtype：每个字段为object类型
dtype = [(field, object) for field in field_map.keys()]
# 创建长度为1的recarray
result_arr = np.recarray(1, dtype=dtype)

# 为每个字段赋值，将数组转为元组
for field, arr in field_map.items():
    result_arr[field] = tuple(arr)

# 测试访问
print(result_arr["name"])  # 输出：('a', 'b', 'c')
print(result_arr["b"])     # 输出：(17.2,)

扩展说明 #

• 新增字段时，只需在field_map字典中添加对应的键值对，无需修改其他代码；
• 不管大部分数组的长度如何动态变化，只要保证单个长度为1的数组正常存入字典，逻辑都能适配；
• 如果需要保留numpy数组格式而非元组，可将dtype定义改为[(field, (arr.dtype, arr.shape)) for field, arr in field_map.items()]，此时访问字段会返回numpy数组，而非元组。

内容的提问来源于stack exchange，提问作者a11