如何使用Numba创建并填充结构化数组，解决np.datetime64类型转换报错

核心报错原因：Numba的nopython模式不支持直接将字符串传入np.datetime64()构造函数做类型转换，同时原生collections.namedtuple在njit下的类型识别也存在兼容问题。

修改后的可运行代码如下：

import numpy as np
import numba

# 提前定义结构化数组的dtype
dtype_deals = [('DateTime', 'datetime64[s]'), ('Price', 'float64'), ('Quantity', 'uint64')]

# Python层提前将日期字符串转成秒级整数时间戳，避开njit的字符串转日期限制
deal_raw = [
    (np.datetime64('2015-02-27T15:12:12', 's').astype(np.int64), 12.48, 10),
    (np.datetime64('2015-03-17T15:08:36', 's').astype(np.int64), 1.15, 100),
    (np.datetime64('2015-04-02T15:14:32', 's').astype(np.int64), 11.01, 20)
]

@numba.njit
def my_func():
    # 预先分配指定长度的结构化数组，适配njit类型识别
    deals = np.empty(len(deal_raw), dtype=dtype_deals)
    for idx, (ts, price, qty) in enumerate(deal_raw):
        # 整数转datetime64[s]是njit支持的操作
        deals[idx]['DateTime'] = np.datetime64(ts, 's')
        deals[idx]['Price'] = price
        deals[idx]['Quantity'] = qty
    return deals

print(str(my_func()))

核心修改点：

• 把所有字符串转日期的逻辑移到njit函数外的Python层执行，转成秒级整数时间戳后再传入njit内部，避开Numba不支持的字符串转datetime64操作
• 弃用collections.namedtuple，直接操作结构化数组的字段赋值，避免njit的类型识别错误
• 用np.empty预先分配固定长度的结构化数组，相比list append后转数组的方式，兼容性更好、运行效率更高，也符合Numba nopython模式的类型要求

如果需要在njit内部动态生成日期，直接用整数运算生成对应秒级时间戳，再转成datetime64即可，全程不要传入字符串做日期转换。

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