为何修改Numpy数组指定列数据类型后替换原列仍未生效？

这是个很典型的numpy新手坑——普通numpy数组是「同质」的，整个数组里的所有元素必须共享同一个数据类型。你一开始创建数组时，因为列表里混合了浮点数、整数和字符串，numpy自动把整个数组的 dtype 统一成了<U32（字符串类型）。

当你执行array[:,0]=array[:,0].astype("float64")时，虽然你把第0列转成了float64，但赋值回原数组的瞬间，numpy会自动把这些float64值再转成字符串类型存回去——因为原数组的整体 dtype 还是<U32，根本容不下其他类型的数据。所以你查看 dtype 时，自然还是原来的字符串类型。

解决方法 #

想要实现不同列用不同数据类型，你需要使用numpy的结构化数组（Structured Array），它支持每一列设置独立的 dtype：

方法1：创建数组时直接指定各列类型

import numpy as np
arraylist =[(1526869384.273246, 0, 'a0'), (1526869385.273246, 1, 'a1'), 
            (1526869386.273246, 2, 'a2'), (1526869387.273246, 3, 'a3'), 
            (1526869388.273246, 4, 'a4'), (1526869389.273246, 5, 'a5'), 
            (1526869390.273246, 6, 'a6'), (1526869391.273246, 7, 'a7'), 
            (1526869392.273246, 8, 'a8'), (1526869393.273246, 9, 'a9'), 
            (1526869384.273246, 0, 'a0'), (1526869385.273246, 1, 'a1'), 
            (1526869386.273246, 2, 'a2'), (1526869387.273246, 3, 'a3'), 
            (1526869388.273246, 4, 'a4'), (1526869389.273246, 5, 'a5'), 
            (1526869390.273246, 6, 'a6'), (1526869391.273246, 7, 'a7'), 
            (1526869392.273246, 8, 'a8'), (1526869393.273246, 9, 'a9')]

# 定义每列的名称和对应数据类型
dtype_spec = [('timestamp', 'float64'), ('index', 'int32'), ('label', 'U2')]
structured_array = np.array(arraylist, dtype=dtype_spec)

# 查看第0列（timestamp）的类型
print(structured_array['timestamp'].dtype)  # 输出: dtype('float64')

方法2：将现有同质数组转换为结构化数组

如果已经有了之前创建的<U32类型数组，可以通过列表推导式转换：

# 原同质数组
array = np.array(arraylist)

# 转换为结构化数组
structured_array = np.array(
    [(float(row[0]), int(row[1]), row[2]) for row in array],
    dtype=[('timestamp', 'float64'), ('index', 'int32'), ('label', 'U2')]
)

方法3：用Pandas（更便捷的多类型列处理）

如果你的场景允许使用Pandas，它天生支持不同列用不同数据类型，操作更直观：

import pandas as pd
df = pd.DataFrame(arraylist, columns=['timestamp', 'index', 'label'])
df['timestamp'] = df['timestamp'].astype('float64')

print(df['timestamp'].dtype)  # 输出: float64

关键总结 #

普通numpy数组是「同质」的，所有元素必须同类型；只有结构化数组（或Pandas的DataFrame）能实现「异质」列，每列独立设置数据类型。你之前的操作因为原数组是字符串类型，赋值时会自动转换回字符串，所以看起来类型没变化。

内容的提问来源于stack exchange，提问作者nooper