相同字节宽度下numpy普通数组转结构化数组的简便方法

最优解决方案 #

直接使用numpy.ndarray.view()方法重解释内存即可，不需要手动遍历解析字节，符合你要求的单行实现，适配任意结构化dtype：

structured_array = array.view(my_type).squeeze()

针对你给出的示例，需要注意自定义dtype的字节序配置，因为你预期的checksum是大端序解析结果，需要把dtype定义调整为：

my_type = np.dtype([('checksum','>u2'), ('word', 'B', (3,))])

运行后得到的结果完全匹配你预期的输出：

array([( 258, [ 3,  4,  5]), (2828, [13, 14, 15])],
      dtype=[('checksum', '>u2'), ('word', 'u1', (3,))])

相关说明 #

• view()方法不会复制原始数据，只是修改numpy对同一段内存的解析规则，性能远高于循环遍历方案。
• 如果你的结构化dtype存在对齐填充，创建dtype时需要指定align=False，保证dtype总字节长度和原始数组的行字节宽度完全一致，避免解析错位。
• 数值类型的字节序需要和实际数据存储逻辑匹配：<前缀代表小端序，>前缀代表大端序，不指定时默认使用当前系统的原生字节序，可能导致多字节字段的解析结果不符合预期。

内容的提问来源于stack exchange，提问作者megasplash