您可以使用
np.array(list(result.items()), dtype=dtype)：
import numpy as npresult = {0: 1.1181753789488595, 1: 0.5566080288678394, 2: 0.4718269778030734, 3: 0.48716683119447185, 4: 1.0, 5: 0.1395076201641266, 6: 0.20941558441558442}names = ['id','data']formats = ['f8','f8']dtype = dict(names = names, formats=formats)array = np.array(list(result.items()), dtype=dtype)print(repr(array))产量
array([(0.0, 1.1181753789488595), (1.0, 0.5566080288678394), (2.0, 0.4718269778030734), (3.0, 0.48716683119447185), (4.0, 1.0), (5.0, 0.1395076201641266), (6.0, 0.20941558441558442)], dtype=[('id', '<f8'), ('data', '<f8')])如果您不想创建元组的中间列表
list(result.items())，则可以改用
np.fromiter：
在Python2中：
array = np.fromiter(result.iteritems(), dtype=dtype, count=len(result))
在Python3中：
array = np.fromiter(result.items(), dtype=dtype, count=len(result))
为什么使用该列表[key,val]
不起作用：
顺便说一句，您的尝试，
numpy.array([[key,val] for (key,val) in result.iteritems()],dtype)
非常接近工作。如果将列表更改为
[key, val]元组
(key, val)，则它会起作用。当然，
numpy.array([(key,val) for (key,val) in result.iteritems()], dtype)
和…一样
numpy.array(result.items(), dtype)
在Python2中，或
numpy.array(list(result.items()), dtype)
在Python3中。
np.array处理列表与元组的方法不同：Robert Kern解释说：
通常，将元组视为“标量”记录，然后重复列出。该规则有助于numpy.array（）找出哪些序列是记录，哪些是要重现的其他序列；即哪些序列创建了另一个维度，哪些是原子元素。
由于
(0.0, 1.1181753789488595)被认为是这些原子元素之一，因此它应该是一个元组，而不是列表。
