混合数据类型numpy数组的格式化存储问题求助

方案一：使用numpy结构化数组 #

numpy普通数组是同质类型，无法直接兼容字符串与数值，改用结构化数组可定义多类型字段，适配你的需求：

1. 定义结构化数据类型
   根据目标字段定义对应类型，字符串与浮点型分开声明：

import numpy as np

# 定义字段类型，name为字符串，其余为浮点型；字段名避开单引号，保存时可调整
dtype = [
    ('name', 'U20'),  # U20表示最多20个字符的Unicode字符串，可按需调整长度
    ('x1', 'f8'), ('y1', 'f8'), ('x2', 'f8'), ('y2', 'f8'),
    ('x1_prime', 'f8'), ('y1_prime', 'f8'), ('x2_prime', 'f8'), ('y2_prime', 'f8')
]

2. 初始化或追加数据
   通过判断局部变量存在性，实现数组的初始化与追加：

# 假设self.name为字符串，x1、y1等为浮点数
sample_data = (self.name, x1, y1, x2, y2, x1_prime, y1_prime, x2_prime, y2_prime)

# 初始化或追加逻辑
if 'result_array' not in locals():
    result_array = np.array([sample_data], dtype=dtype)
else:
    new_row = np.array([sample_data], dtype=dtype)
    result_array = np.concatenate([result_array, new_row])

# 最终验证结构：shape为(1188,)，符合要求
print(result_array.shape)

3. 保存为指定格式
   用numpy.savetxt指定格式与表头，输出目标字段：

# 定义包含单引号的表头
header = "name,x1,y1,x2,y2,x1',y1',x2',y2'"
# 按格式保存，%s对应字符串，%.6f对应保留6位小数的浮点数
np.savetxt('output.txt', result_array, fmt='%s,%.6f,%.6f,%.6f,%.6f,%.6f,%.6f,%.6f,%.6f', delimiter=',', header=header, comments='')

方案二：使用pandas DataFrame（更简便） #

若允许引入pandas，处理混合类型数据会更直观，代码更简洁：

1. 初始化或追加数据

import pandas as pd

# 单条数据转为字典，直接使用带单引号的字段名
row_dict = {
    'name': self.name,
    'x1': x1, 'y1': y1, 'x2': x2, 'y2': y2,
    "x1'": x1_prime, "y1'": y1_prime, "x2'": x2_prime, "y2'": y2_prime
}

# 初始化或追加DataFrame
if 'result_df' not in locals():
    result_df = pd.DataFrame([row_dict])
else:
    result_df = pd.concat([result_df, pd.DataFrame([row_dict])], ignore_index=True)

# 最终验证：1188行9列
print(result_df.shape)

2. 保存文件
   直接调用to_csv自动处理类型兼容问题：

result_df.to_csv('output.csv', index=False)

报错原因说明 #

普通numpy数组要求所有元素类型统一，混合字符串与浮点数时，numpy会强制将所有元素转为字符串类型，后续按数值格式保存或处理时就会触发类型不匹配报错。而结构化数组与DataFrame专为多类型数据设计，可从根源解决该问题。

内容的提问来源于stack exchange，提问作者jokkk2312