我有两个非结构化的NumPy数组a和b，分别具有形状(N,)和(N, 256, 2)和dtype np.float。我希望将它们组合成具有形状的单个结构化数组（N,)和dtype [('field1', np.float), ('field2', np.float, (256, 2))]。
令人惊讶的是，缺少有关此方面的文档。我找到了np.lib.recfunctions.merge_arrays之类的方法，但无法找到执行此操作所需的功能的精确组合。
为了避免the XY problem，我会陈述更广泛的目标。
我有一个布局为{"field1": tables.FloatCol(), "field2": tables.FloatCol(shape = (256, 2))}的PyTables表。这两个NumPy数组表示要添加到这些字段中的每个字段的N个新行。 N很大，所以我希望通过一个有效的table.append(rows)调用来完成此操作，而不是通过table.row['field'] = ...循环的缓慢过程。]
The table.append documentation说
rows参数可以是任何可以转换为与表结构兼容的结构化数组的对象（否则，将引发ValueError）。这包括NumPy结构化的数组，元组或数组记录的列表以及字符串或Python缓冲区。
将数组转换为适当的结构化数组似乎是我在这里应该做的。我正在寻找速度，并且我预计其他选择会更慢。
我有两个非结构化的NumPy数组a和b，分别具有形状（N，）和（N，256，2）以及dtype np.float。我希望将它们组合成形状（N，）和dtype [（'...
定义dtype，并创建一个空/零数组：
为了获得合适尺寸的测试打印输出，我的解决方案假设：
元组列表或数组记录...
换句话说，您可以追加引用数组的列表，只要它们与示例中使用table.append()创建的表结构匹配即可。 （我认为您在创建时仅限于结构化数组。）这可能会简化您的代码。我写了一个基于@hpaulj代码的示例。它使用不同的方法创建2个相同的HDF5文件。
对于第一个文件（description=dt），我使用结构化数组方法创建表。然后，我使用_1.h5将3行数据添加到表中对于第二个文件（table.append([list of arrays])），我创建了引用使用_2.h5的结构化数组dtype，但不要使用description=dt添加数据。然后，我使用obj=arr将数据的前3行添加到表中，然后重复添加另外3行。
以下示例：
table.append([list of arrays])