在numpy中实例化结构化数据类型的语法是什么？

如果我有一个像

foo = dtype([('chrom1', '<f4', (100,)), ('chrom2', '<f4', (13,))])

最后一行是不对的，但希望它能传达我目前正在尝试的东西

这是一个可怕的想法吗？如果是，正确的想法是什么？如果没有，正确的实施方法是什么

这种方法可行，但很糟糕：

 bar = np.zeros(1, dtype=[('chrom1', 'f4', 100), ('chrom2', 'f4', 13)])[0]

试试这个：

foo = np.dtype([('chrom1', '<f4', (100,)), ('chrom2', '<f4', (13,))])
t = np.zeros((), dtype=foo)

---

foo=np.dtype（[（'chrom1'，'我想最接近的是一个“标量数组”：
bar=np.array（（chrom1\u数组，chrom2\u数组），dtype=foo）
bar
是一个具有形状的数组
（）
。这些“基因组数组”有多少？你在用它们做什么类型的数学运算？到目前为止，你的描述并不能很好地说明如何使用结构化数组。多维数组是你进行有效数学运算的最佳选择，类/对象是定义复杂对象的最佳选择。啊！我不知道你能通过考试空元组作为一个形状。很酷，谢谢。然后你可以用
t['chrom1']=chrom1\u数组
填充值。或者你可以一步创建并填充：
t1=np.array（（chrom1\u数组，chrom2\u数组），dtype=foo）
。但是这个“标量”数组有多大用处？比
d={'chrom1'：chrom1\u数组，'chrom2\u数组}/code>有用吗？
foo = np.dtype([('chrom1', '<f4', (100,)), ('chrom2', '<f4', (13,))])
t = np.zeros((), dtype=foo)