一种方法可能是使用记录数组。“列”与标准numpy数组的列不同，但是对于大多数用例来说，这就足够了：
>>> a = numpy.array(['a', 'b', 'c', 'd', 'e'])>>> b = numpy.arange(5)>>> records = numpy.rec.fromarrays((a, b), names=('keys', 'data'))>>> recordsrec.array([('a', 0), ('b', 1), ('c', 2), ('d', 3), ('e', 4)], dtype=[('keys', '|S1'), ('data', '<i8')])>>> records['keys']rec.array(['a', 'b', 'c', 'd', 'e'], dtype='|S1')>>> records['data']array([0, 1, 2, 3, 4])请注意，您还可以通过指定数组的数据类型来对标准数组执行类似的操作。这被称为“结构化数组”：
>>> arr = numpy.array([('a', 0), ('b', 1)], dtype=([('keys', '|S1'), ('data', 'i8')]))>>> arrarray([('a', 0), ('b', 1)], dtype=[('keys', '|S1'), ('data', '<i8')])区别在于记录数组还允许对单个数据字段的属性访问。标准结构化数组则没有。
>>> records.keyschararray(['a', 'b', 'c', 'd', 'e'], dtype='|S1')>>> arr.keysTraceback (most recent call last): File "<stdin>", line 1, in <module>AttributeError: 'numpy.ndarray' object has no attribute 'keys'
