无法重新分配NumPy数组元素：void转ndarray及代码问题排查

当你用numpy.genfromtxt读取CSV并设置dtype=None时，返回的是结构化数组，元素类型为numpy.void。这是因为CSV中包含多种数据类型（比如字符串、整数），numpy会自动生成复合dtype，每个元素对应一条记录的void类型对象。

你的代码问题解析 #

循环里data_salaries[i] = np.array(record)无法生效，原因是结构化数组的dtype是固定的复合类型，内存结构已经确定。你给元素赋值ndarray时，numpy会自动把这个ndarray转换回原void类型的记录，所以元素类型不会改变。

解决方法 #

1. 转换为普通二维数组（适合统一类型场景）

如果所有列可以转换成同一类型（比如全转字符串），可以先把结构化数组转成列表，再转成普通ndarray：

import numpy as np

data_salaries = np.genfromtxt('D:\\Main\\Data science and Machine Learning\\py dir\\Datasets\\ds_salaries.csv', 
    delimiter=',', encoding=None, dtype=None)

# 转换为普通ndarray
normal_array = np.array(data_salaries.tolist())
print(type(normal_array[0]))  # 输出numpy.ndarray或对应元素类型

2. 保留结构化数组，按需操作

如果需要保留各列的原始数据类型，直接按列访问更高效，不需要转换元素类型：

# 查看自动生成的列名
print(data_salaries.dtype.names)
# 按列名提取数据
job_titles = data_salaries['f0']  # 'f0'是自动生成的第一列名，根据实际输出调整
salaries = data_salaries['f1']

# 也可以读取时手动指定列名和类型，更清晰
data_salaries = np.genfromtxt('D:\\Main\\Data science and Machine Learning\\py dir\\Datasets\\ds_salaries.csv', 
    delimiter=',', encoding=None, 
    dtype=[('job_title', 'U50'), ('salary', 'i4'), ('currency', 'U10')])
# 按列名访问
print(data_salaries['job_title'])

3. 读取时直接指定统一dtype

如果CSV中所有元素类型一致，读取时直接设置dtype即可避免生成结构化数组：

# 比如全转字符串
data_salaries = np.genfromtxt('D:\\Main\\Data science and Machine Learning\\py dir\\Datasets\\ds_salaries.csv', 
    delimiter=',', encoding=None, dtype='str')

内容的提问来源于stack exchange，提问作者Moahemd Abdelkhalel