在numpy中使用自定義dtypes創建數組時，如何解決類型錯誤？

Question

我正在將一些代碼從python 2移植到python3。在我的代碼中，我將字符串的數據類型定義為：

MAX_WORD_LENGTH = 32
DT_WORD = np.dtype([('word', str('U') + str(MAX_WORD_LENGTH))])

顯示為：

>> DT_WORD.descr
[('word', '<U32')]

現在，當我創建一個基本的numpy數組時，沒有任何錯誤：

>> import numpy as np
>> np.array(['a', 'b', 'c', 'd'])
array(['a', 'b', 'c', 'd'],
    dtype='<U1')

但是當我介紹我的數據類型時，

>> np.array(['a','b','c','d'], dtype=DT_WORD)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: a bytes-like object is required, not 'str'

這個錯誤是什么意思？ python 3中的所有字符串默認情況下都是Unicode，因此通過將數據類型顯式聲明為Unicode，我不會出錯。 如何定義數據類型，使其在python 2和3中都接受unicode字符串？

Answer 1

我最終得以弄清楚：

使用標記的dtypes該數組實際上是一個結構化數組。 結構化數組數組是從元組列表（而不是簡單的值列表）創建的。 所以：

np.array(['a','b','c','d'], dtype=DT_WORD)

應該：

np.array([('a',), ('b',), ('c',), ('d',)], dtype=DT_WORD)

簡而言之，如果X是字符串列表，則可以使用：

np.array(list(zip(X)), dtype=DT_WORD)

與python 2和3兼容。

同樣，相同的代碼也將在python 2中給出TypeError ：

np.array(['a','b','c','d'], dtype=DT_WORD)
# Will give:
TypeError: expected a readable buffer 

所以我的問題首先是不正確的。 它與python版本的關系比與數組和結構化數組的區別少。