如何在NumPy中创建包含字符串列的混合类型数组？

你的错误根源在于对NumPy结构化数组的维度理解有误：你创建的document是二维数组（shape=(0,5)），但对应结构化dtype的数组应该是一维数组——每个元素是包含多个字段的结构体，而非按列拆分的二维结构。vstack会错误地将输入的一维结构化数组当作二维数组的行处理，导致类型解析混乱，触发字符串转整数的报错。

修正后的代码实现 #

import numpy as np

# 定义结构化dtype（你的原定义是正确的）
document_dtype = np.dtype({
    'names': ['global_line','filename', 'file_line','type','text'],
    'formats': ['i','U','i','U','U']
})

# 创建空的一维结构化数组，shape为(0,)而非(0,5)
document = np.empty(shape=(0,), dtype=document_dtype)

# 构造单个结构化数据条目并添加
new_entry = np.array((2, 'fileA', 1, 'Header', 'Test'), dtype=document_dtype)
document = np.append(document, new_entry)

# 验证结果
print(document)
# 通过字段名访问对应列
print(document['filename'])  # 输出: ['fileA']

批量添加数据的方式 #

如果需要一次性添加多条数据，可以直接用元组列表构造数组后拼接：

# 批量构造数据条目
new_entries = [
    (3, 'fileB', 2, 'Body', 'Hello'),
    (4, 'fileC', 3, 'Footer', 'World')
]
# 拼接至原数组
document = np.append(document, np.array(new_entries, dtype=document_dtype))

print(document)
# 输出所有filename字段
print(document['filename'])  # 输出: ['fileA' 'fileB' 'fileC']

关键注意点 #

• 结构化数组是一维数组，每个元素对应一条完整的记录，字段则是这条记录的不同属性
• 避免用vstack处理结构化数组，改用np.append或直接构造数组后拼接
• 构造结构化数组元素时，使用元组而非列表（虽然列表也能解析，但元组更符合NumPy结构化数据的习惯）

内容的提问来源于stack exchange，提问作者Finn