如何在Numpy中对NxM数组的行列运算后插入新元素？

嘿，这个需求用Numpy的**结构化数组（structured arrays）**就能完美解决，完全不用写那种遍历每个元素的foreach循环～ 先给你理清楚思路：你原来的数组其实是包含字典的object类型数组，这种形式没法让Numpy发挥向量化运算的优势，我们先把它转换成Numpy原生支持的结构化数组，之后就能批量操作字段啦。

步骤1：创建原始结构化数组 #

首先把你的数据转换成Numpy结构化数组，这样每个元素都是带字段的“结构体”，可以像操作表格列一样批量访问a、b、c字段：

import numpy as np

# 构造原始结构化数组，dtype定义了每个字段的名称和数据类型
original_array = np.array([(1, 2, 3), (4, 5, 6)], dtype=[('a', int), ('b', int), ('c', int)])

步骤2：批量计算新字段的值 #

利用Numpy的向量化运算，直接对整个字段列进行计算，这一步完全没有循环：

# 批量计算d = a + b，e = b - c
d_values = original_array['a'] + original_array['b']
e_values = original_array['b'] - original_array['c']

步骤3：新增字段到数组里 #

这里有两种简洁的方法：

方法一：手动构造新数组（更直观） #

我们先定义包含新字段的dtype，再把原字段和新字段的值整合进去：

# 定义新的dtype，在原字段基础上添加d和e
new_dtype = original_array.dtype.descr + [('d', int), ('e', int)]

# 创建空的新数组，结构和新dtype一致
new_array = np.empty(original_array.shape, dtype=new_dtype)

# 复制原字段的值（这里的循环是遍历字段名，不是数组元素，效率极高）
for field in original_array.dtype.names:
    new_array[field] = original_array[field]

# 赋值新计算的字段
new_array['d'] = d_values
new_array['e'] = e_values

方法二：用Numpy内置工具函数（更省心） #

Numpy提供了recfunctions.append_fields工具，专门用来给结构化数组追加字段，一行操作搞定：

from numpy.lib import recfunctions

# 直接追加d和e字段，自动处理原字段的复制
new_array = recfunctions.append_fields(
    original_array,
    names=['d', 'e'],
    data=[d_values, e_values],
    dtypes=[int, int],
    usemask=False  # 不需要掩码数组，直接生成新数组
)

验证结果 #

最后看看我们得到的结果，和你想要的完全一致：

# 打印结构化数组形式
print(new_array)
# 输出：[(1, 2, 3, 3, -1) (4, 5, 6, 9, -1)]

# 转换成字典列表形式查看
print(new_array.tolist())
# 输出：[{'a': 1, 'b': 2, 'c': 3, 'd': 3, 'e': -1}, {'a': 4, 'b': 5, 'c': 6, 'd': 9, 'e': -1}]

内容的提问来源于stack exchange，提问作者Andresse Njeungoue