如何实现包含自身dtype的NumPy嵌套结构化标量？

好问题！你想要做的是创建递归的结构化dtype——让字段引用自身类型，用来表示树节点这种包含父节点引用的数据结构。不过得先说明：NumPy本身并不原生支持这种递归dtype的直接定义，因为dtype需要在创建时就确定固定的内存布局，而递归结构会导致内存大小无法预先计算。不过我们有两种实用的变通方案来实现类似效果：

方案1：用数组索引代替直接存储父节点（推荐用于大规模数据） #

既然NumPy擅长处理固定内存布局的数组，我们可以把父节点的引用换成数组中的索引位置，而不是直接存储节点对象。这样既符合NumPy的设计，又能高效管理树结构：

import numpy as np

# 定义节点dtype：parent字段存数组索引（int32类型，-1代表无父节点），info存自定义的uint8数据
node_dtype = np.dtype([("parent", np.int32), ("info", np.uint8)])

# 创建一个包含4个节点的树数组：根节点（索引0）有两个子节点（1、2），节点1又有一个子节点（3）
tree_nodes = np.array([(-1, 0), (0, 1), (0, 2), (1, 3)], dtype=node_dtype)

# 示例：访问节点3的父节点
child_node = tree_nodes[3]
parent_node = tree_nodes[child_node["parent"]]
print(parent_node)  # 输出：(0, 1)

这个方案的优势很明显：内存布局固定，矢量化操作效率高，完全适配NumPy的所有数组特性。唯一需要注意的是要手动维护索引关系，不能直接通过child["parent"]拿到父节点对象，得自己从数组中索引获取。

方案2：用object dtype存储父节点引用（适合小规模场景） #

如果一定要让parent字段直接指向父节点对象，可以把该字段的类型设为object——这种dtype允许存储任意Python对象，包括同类型的NumPy结构化标量：

import numpy as np

# 定义节点dtype：parent为object类型，info为uint8
node_dtype = np.dtype([("parent", object), ("info", np.uint8)])

# 创建根节点（父节点设为None）
root = np.array((None, 0), dtype=node_dtype)[0]

# 创建子节点，直接把父节点对象赋值给parent字段
child = np.array((root, 1), dtype=node_dtype)[0]

# 直接访问父节点的info字段
print(child["parent"]["info"])  # 输出：0

这个方案更贴近你最初的需求，但缺点也很突出：object dtype会失去NumPy的矢量化性能优势，每个元素都是Python对象，内存开销更大，而且很多NumPy的数组操作对object类型支持有限。所以只推荐在小规模数据场景下使用。

为什么你的原代码无法工作？ #

你尝试用np.void的思路是对的，但问题在于：

• np.void需要指定明确的字节大小，而你没有设置；
• 更关键的是，递归dtype存在循环依赖——定义node_dtype时，parent字段需要引用node_dtype本身，但此时node_dtype还未完全定义，NumPy无法确定它的内存大小，所以这种定义方式是不被允许的。

内容的提问来源于stack exchange，提问作者Sam Ragusa