能否将含混合类型的表格导入Python Numpy数组？

当然支持导入包含字符串和数值的混合类型表格啦！你遇到的大量nan，是因为np.genfromtxt默认会把所有数据解析成统一的数值类型——而城市名称是字符串，没法转换成数值，就被替换成了nan。

下面给你两种可行的解决方案：

1. 手动指定混合数据类型 #

你可以通过dtype参数明确定义每一列的数据类型，让Numpy正确解析字符串和数值：

import numpy as np

# 定义各列的类型：城市名是长度10的字符串，其余为整数
dtype_spec = [('city', 'U10'), ('total', int), ('00-04', int), ('05-09', int)]
# 导入时跳过表头行（skip_header=1）
structured_data = np.genfromtxt('populationData2016.csv', delimiter=',', dtype=dtype_spec, skip_header=1)

# 转换成你想要的列表格式
target_format = [['city name', 'total', '00-04', '05-09']]
for row in structured_data:
    target_format.append([row['city'], row['total'], row['00-04'], row['05-09']])

print(target_format)

2. 让Numpy自动推断数据类型 #

如果你不想手动写类型，可以用dtype=None让Numpy自动识别每列的类型，同时用names=True读取表头作为字段名：

import numpy as np

# encoding='utf-8'避免字符串编码问题
structured_data = np.genfromtxt('populationData2016.csv', delimiter=',', dtype=None, names=True, encoding='utf-8')

# 同样转换成目标格式
target_format = [[name for name in structured_data.dtype.names]]
for row in structured_data:
    target_format.append([row[name] for name in structured_data.dtype.names])

print(target_format)

补充说明 #

Numpy的普通数组要求所有元素类型一致，所以处理混合类型数据时，会用到结构化数组（上面代码里的structured_data就是）——它允许每一列有不同的数据类型，完美适配你的CSV结构。

内容的提问来源于stack exchange，提问作者tt600