听起来你有一个结构化的数组，就像这个简单的例子。
In [158]: x = np.ones((5,), dtype='i,i,f,f')
In [159]: x
Out[159]:
array([(1, 1, 1., 1.), (1, 1, 1., 1.), (1, 1, 1., 1.),
(1, 1, 1., 1.), (1, 1, 1., 1.)],
dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<f4'), ('f3', '<f4')])
In [160]: x[0]
Out[160]: (1, 1, 1., 1.)
In [161]: type(x[0])
Out[161]: numpy.void
x[0]是一条记录，以元组形式显示。 你可以通过名字访问字段（而不是通过 "列 "索引）。
In [162]: x['f0']
Out[162]: array([1, 1, 1, 1, 1], dtype=int32)
In [163]: x['f2'] = np.arange(5)
In [165]: x['f1'] = [10,12,8,0,3]
In [166]: x
Out[166]:
array([(1, 10, 0., 1.), (1, 12, 1., 1.), (1, 8, 2., 1.),
(1, 0, 3., 1.), (1, 3, 4., 1.)],
dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<f4'), ('f3', '<f4')])
In [168]: x[['f2','f3']] # 2 fields at once
Out[168]:
array([( 0., 1.), ( 1., 1.), ( 2., 1.), ( 3., 1.), ( 4., 1.)],
dtype=[('f2', '<f4'), ('f3', '<f4')])
当 "列 "应该包含不同的东西时，这是很方便的，例如，字符串在一个列中，整数在另一个列中。 但是，将这样的数组转换为相同数字类型的2d数组可能会很尴尬。
替换代码3】和astype在有限的情况下工作，但tolist是我所知道的最强大的转换媒介。
In [179]: x.tolist()
Out[179]:
[(1, 10, 0.0, 1.0),
(1, 12, 1.0, 1.0),
(1, 8, 2.0, 1.0),
(1, 0, 3.0, 1.0),
(1, 3, 4.0, 1.0)]
In [180]: np.array(x.tolist())
Out[180]:
array([[ 1., 10., 0., 1.],
[ 1., 12., 1., 1.],
[ 1., 8., 2., 1.],
[ 1., 0., 3., 1.],
[ 1., 3., 4., 1.]])
