继续我在上一个问题中使用的ipython会话，我可以用names和dtype=None创建一个结构化数组。这是我经常推荐的。

In [272]: np.genfromtxt(txt.splitlines(), delimiter=',', autostrip=True,  missing_values={0:'N/A',1:'NA'},names=True,dtype=None, filling_values={0:'nan',1:'-999'}, encoding=True)
Out[272]: 
array([('test&',    1), ('skip', -999), ('N/A', -999)],
      dtype=[('A_1', '<U5'), ('A2', '<i8')])

使用None，它推导出列dtype，在本例中，int是第二个。我得到了这个列的缺失/填充值。它仍然不适用于字符串列。这与我在上一个问题中提到的以前的尝试是一致的。缺少/填充适用于数字列。
我可以按列指定列dtype

In [273]: np.genfromtxt(txt.splitlines(), delimiter=',', autostrip=True,  names=True,dtype=['U10','U10'])
Out[273]: 
array([('test&', '1'), ('skip', ''), ('N/A', 'NA')],
      dtype=[('A_1', '<U10'), ('A2', '<U10')])

我们在其他SO中看到np.array(..., dtype=str)可以工作，但np.array(...., dtype=[('x',str), ...])不能。在第一种情况下，np.array将从所有数据中推导出所需的字符串长度。在第二个例子中，它使用dtype创建一个“空”数组，然后填充它。它无法推导出结构化数组所需的字符串长度。你得说清楚。
虽然将csv文件作为结构化数组加载很方便，但您确实需要花一些时间来了解这种类型的数组-field的含义以及字段名和dtypes。如果太多，我建议使用pandas代替。
所有names参数都与清理从文件派生的字段名有关（请参阅链接文档）。如果从结构化数组创建recarray，则字段可以作为属性访问。但是python对有效的属性名有限制（和变量名一样）。我怀疑这些限制也适用于pandas框架的列名。
pandas现在可用，recarrays没有得到那么多的使用。pandas开发人员花了更多的时间来处理诸如缺少值之类的问题。
让我重复一遍更完整文档的链接
https://numpy.org/doc/stable/user/basics.io.genfromtxt.html

dtype中的str

In [275]: np.array(['one','two','three'],dtype=str)
Out[275]: array(['one', 'two', 'three'], dtype='<U5')

In [276]: np.array([('one'),('two'),('three')],dtype=[('x',str)])
Out[276]: array([('',), ('',), ('',)], dtype=[('x', '<U')])

In [277]: np.array([('one'),('two'),('three')],dtype=[('x','U10')])
Out[277]: array([('one',), ('two',), ('three',)], dtype=[('x', '<U10')])

跳过行

据我所知，它没有一种根据内容跳过行的方法--除了comment字符（s？但是它接受来自任何可以提供给它行的东西的输入，一个打开的文件，一个通过过滤器脚本传递的文件，或者像我的演示中一样，一个字符串列表。
例如，我可以过滤掉包含'skip'的字符串：

In [281]: [line for line in txt.splitlines() if not 'skip' in line]
Out[281]: ['A 1,A+2', 'test&     ,1', '#,', 'N/A,NA']

In [283]: np.genfromtxt((line for line in txt.splitlines() if not 'skip' in line), delimiter=',',dtype=str)
Out[283]: 
array([['A 1', 'A+2'],
       ['test&     ', '1'],
       ['N/A', 'NA']], dtype='<U10')

好吧，你可以通过文档（https://numpy.org/doc/stable/reference/arrays.dtypes.html），但我会总结在这里：
< -代表little-endian（计算机以二进制形式存储数字，100101，用于处理你我都知道的数字，最右边的数字是最小的，最左边的数字是最大的，这是从右到左的方式，但计算机可以从相反的方向，从左到右，这些被称为big-endian和little-endian，在这里阅读更多，https://en.wikipedia.org/wiki/Endianness）
U -代表unicode（从数字到字符的Map，因为计算机只理解数字，所以当它处理字符串时，它需要一个表来将数字Map到字符）
10 -U的大小，所以U10在一起意味着，最多10个Unicode字符，“abcdefghij”，它这样做是因为我猜你最大的文本是“test&”，我假设是10个字符长。