如何从已有独立向量创建numpy复合dtype结构化数组

你尝试的c=np.array((a,b), dtype=myrecord)无法正常运行的核心原因是：该写法会将完整的数组a、b分别作为第一条记录的两个字段值传入，和你需要的逐行对应配对的逻辑不匹配。

以下两种是numpy原生的高效实现方式，都可以得到你期望的结果：

方法1：逐字段赋值（逻辑最直观，优先推荐） #

先初始化对应长度的空结构化数组，再逐个给字段赋值即可，大数组场景下性能优异：

import numpy as np
myrecord = np.dtype([
    ('col1', 'u4'),
    ('col2', 'f8')
])
a = np.array([1,2,3,4])
b = np.array([10.1,20.1,30.1,40.1])

# 初始化指定类型的空数组
c = np.empty(len(a), dtype=myrecord)
# 按字段名对应赋值
c['col1'] = a
c['col2'] = b

方法2：调用records模块的fromarrays方法 #

直接传入待合并的数组列表，指定dtype即可一步生成结果：

c = np.core.records.fromarrays([a, b], dtype=myrecord)

不推荐使用np.array(list(zip(a,b)), dtype=myrecord)的写法：该方法会先将numpy数组转为Python原生的列表、元组对象，数据量较大时性能损耗非常明显。

执行上述任意一种方法后，打印c即可得到你期望的输出：

array([(1, 10.1), (2, 20.1), (3, 30.1), (4, 40.1)],
      dtype=[('col1', '<u4'), ('col2', '<f8')])

内容的提问来源于stack exchange，提问作者M.E.