如何为23411×3的numpy.ndarray添加指定表头？recarray尝试失败求方案

NumPy的普通ndarray本身是纯数值的多维数组，并没有原生的“表头”概念，所以你尝试用recarray的方向是对的，可能只是操作方式出了问题。下面给你两个实用的解决思路：

方案一：用Pandas（最推荐，操作最简便） #

如果不是必须纯用NumPy，Pandas绝对是处理带列名数据的首选，它天生支持列名，转换和操作都非常直观：

import numpy as np
import pandas as pd

# 假设你的原始数组是arr
arr = np.random.rand(23411, 3)  # 替换成你的真实数据

# 直接转换成带列名的DataFrame
df = pd.DataFrame(arr, columns=["summary", "age", "label"])

# 如果之后需要转回NumPy结构化数组，也可以一键转换
structured_arr = df.to_records(index=False)

用DataFrame后，你可以直接通过df["summary"]或者df.summary访问对应列，后续的数据分析、清洗操作也会方便很多。

方案二：纯NumPy实现（结构化数组/Recarray） #

如果一定要用NumPy的recarray，核心是要先给数组定义包含列名的结构化数据类型，再把普通数组转换成对应结构——这应该是你之前没做对的地方：

import numpy as np

arr = np.random.rand(23411, 3)  # 你的原始数组

# 定义结构化数据类型：指定每个列的名称和对应数据类型
# 这里的float可以根据你的实际数据调整，比如age是整数就写int
dtype_def = [("summary", float), ("age", float), ("label", float)]

# 把普通数组转换成结构化数组
structured_arr = np.array(list(arr), dtype=dtype_def)

# 转换成recarray，之后就能用点号访问列了
rec_arr = structured_arr.view(np.recarray)

# 测试访问：print(rec_arr.age) 就能取出第二列数据

注意：普通ndarray不能直接转recarray，必须先把数据映射到带列名的结构化dtype上，才能让recarray识别出表头。

内容的提问来源于stack exchange，提问作者cool_beans