NumPy数组的列索引有没有可读性更好的实现方式？

方案一：使用NumPy原生结构化数组（零依赖、高兼容） #

这是最贴合你需求的原生实现，列名信息会和数组实体绑定，无需在各函数重复定义下标常量，也不需要额外传参，运算性能和普通NumPy数组完全一致。
实现步骤：

• 按照你现有7列的实际顺序，提前定义带字段名的自定义dtype
• 一次性将原有普通数组转换为结构化数组，转换开销可忽略
• 后续所有函数直接通过列名访问元素，完全不需要关心下标对应的数字

代码示例：

import numpy as np
# 列名和你实际的7列顺序一一对应即可
rates_dtype = np.dtype([
    ('trade_date', 'datetime64[D]'),
    ('open', 'f8'),
    ('low', 'f8'),
    ('close', 'f8'),
    ('high', 'f8'),
    ('volume', 'i8'),
    ('turnover', 'f8')
])
# 一次性转换原有数据（数据加载阶段做一次即可）
rates = np.loadtxt(data_file, dtype=rates_dtype)

转换完成后，你原有的判断逻辑可以直接替换为可读性极强的具名写法，和你期望的rates[-1][high]访问效果完全一致：

# 原硬编码写法
if (
  rates[-1][4] > rates[-1][1]
  and rates[-2][4] > rates[-2][1]
  and rates[-1][4] > rates[-2][4]
):
# 替换为具名访问写法
if (
  rates[-1]['high'] > rates[-1]['open']
  and rates[-2]['high'] > rates[-2]['open']
  and rates[-1]['high'] > rates[-2]['high']
):

方案二：全局常量类封装（零改动现有数组结构） #

如果不想调整现有普通数组的加载逻辑，可以将所有列的下标封装为统一的常量类，仅在公共模块中定义一次，所有用到数组的函数直接导入引用即可，无需重复定义单变量常量。

代码示例：

# 公共模块中仅维护一次列下标
class RatesIndex:
    OPEN = 1
    HIGH = 4
    LOW = 2
    CLOSE = 3
    VOLUME = 5
    TURNOVER = 6
# 所有业务函数中直接导入使用
from common import RatesIndex

if (
  rates[-1][RatesIndex.HIGH] > rates[-1][RatesIndex.OPEN]
  and rates[-2][RatesIndex.HIGH] > rates[-2][RatesIndex.OPEN]
  and rates[-1][RatesIndex.HIGH] > rates[-2][RatesIndex.HIGH]
):

这个方案的优势是完全兼容你现有的普通数组写法，仅需要把硬编码的数字替换为类属性引用，后续如果列顺序调整，只需要修改常量类中的数值即可，不需要全局搜索替换硬编码的下标。

方案三：Pandas DataFrame（项目已依赖Pandas时优先） #

如果你的开发环境已经安装了Pandas，直接将数组转换为带列名的DataFrame即可获得天然的具名列访问能力，列名和数据集绑定，无需重复定义下标。

代码示例：

import pandas as pd
# 一次性指定列名完成转换
rates_df = pd.DataFrame(rates, columns=['trade_date', 'open', 'low', 'close', 'high', 'volume', 'turnover'])
# 后续直接用具名列访问即可
if (
  rates_df.iloc[-1]['high'] > rates_df.iloc[-1]['open']
  and rates_df.iloc[-2]['high'] > rates_df.iloc[-2]['open']
  and rates_df.iloc[-1]['high'] > rates_df.iloc[-2]['high']
):

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