Python 如何展平numpy结构化数组，其中每个元素本身就是一个numpy数组（dtype='；O'；）

我有一个numpy结构化数组，其中数组中的每个元素本身就是一个numpy数组（dtype='O'）。同一行中的每个元素数组始终具有相同的长度，而不同行中的元素数组可以具有可变的长度。例如，它可以如下所示：

array([(array([1], dtype=int32),       array([0.1], dtype=float64)),
       (array([2, 3, 4], dtype=int32), array([0.2, 0.3, 0.4], dtype=float64)),
       (array([5, 6], dtype=int32),    array([0.5, 0.6], dtype=float64))],
      dtype=[('field_1', 'O'), ('field_2', 'O')])

将这样一个数组展平的最佳方法是什么，以便将元素数组长度为N的行扩展为N行？理想情况下，我希望展平的阵列看起来像：

array([(1, 0.1),
       (2, 0.2),
       (3, 0.3),
       (4, 0.4),
       (5, 0.5),
       (6, 0.6)],
      dtype=[('field_1', int32), ('field_2', float64)])

但我也可以处理其他格式，只要扩展长度大于1的行，例如：

array([(array([1], dtype=int32), array([0.1], dtype=float64)),
       (array([2], dtype=int32), array([0.2], dtype=float64)),
       (array([3], dtype=int32), array([0.3], dtype=float64)),
       (array([4], dtype=int32), array([0.4], dtype=float64)),
       (array([5], dtype=int32), array([0.5], dtype=float64)),
       (array([6], dtype=int32), array([0.6], dtype=float64))],
      dtype=[('field_1', 'O'), ('field_2', 'O')])

如果这更容易实现的话。

我不确定这是否是“最好”的方法，但它可以实现您想要的。我不知道有什么方法可以完全在内存中完成，而不需要拷贝，所以我会从一个空数组开始

>>>import numpy as np

>>>original = np.array([(np.array([1], dtype=np.int32), np.array([0.1], dtype=np.float64)),
...   (np.array([2], dtype=np.int32), np.array([0.2], dtype=np.float64)),
...   (np.array([3], dtype=np.int32), np.array([0.3], dtype=np.float64)),
...   (np.array([4], dtype=np.int32), np.array([0.4], dtype=np.float64)),
...   (np.array([5], dtype=np.int32), np.array([0.5], dtype=np.float64)),
...   (np.array([6], dtype=np.int32), np.array([0.6], dtype=np.float64))],
...   dtype=[('field_1', '<i4'), ('field_2', '<f8')])
>>>copy = np.empty((6,1), dtype=[('field_1', '<i4'), ('field_2', '<f8')])

>>将numpy作为np导入
>>>original=np.array（[（np.array（[1]，dtype=np.int32），np.array（[0.1]，dtype=np.float64）），
…（np.array（[2]，dtype=np.int32），np.array（[0.2]，dtype=np.float64）），
…（np.array（[3]，dtype=np.int32），np.array（[0.3]，dtype=np.float64）），
…（np.array（[4]，dtype=np.int32），np.array（[0.4]，dtype=np.float64）），
…（np.array（[5]，dtype=np.int32），np.array（[0.5]，dtype=np.float64）），
…（np.array（[6]，dtype=np.int32），np.array（[0.6]，dtype=np.float64）），
…dtype=[（'field_1'，'与上面类似，但使用list和zip

z
array([(array([1]), array([0.1])),
       (array([2, 3, 4]), array([0.2, 0.3, 0.4])),
       (array([5, 6]), array([0.5, 0.6]))],
      dtype=[('field_1', 'O'), ('field_2', 'O')])

x = np.concatenate(z['field_1'])
y = np.concatenate(z['field_2'])

dt = np.dtype([('f0', '<i4'), ('f1', 'f8')])
np.asarray(list(zip(x, y)), dtype=dt)

array([(1, 0.1), (2, 0.2), (3, 0.3), (4, 0.4), (5, 0.5), (6, 0.6)],
      dtype=[('f0', '<i4'), ('f1', '<f8')])

z
数组（[（数组（[1]），数组（[0.1]），
（数组（[2,3,4]），数组（[0.2,0.3,0.4]），
（数组（[5,6]），数组（[0.5,0.6]），
数据类型=[（'field_1'，'O'），（'field_2'，'O'））
x=np.连接（z['field_1']）
y=np.连接（z['字段_2']）
dt=np.dtype（[（'f0'，'
>>>copy.flatten()
array([(1, 0.1), (2, 0.2), (3, 0.3), (4, 0.4), (5, 0.5), (6, 0.6)],
  dtype=[('field_1', '<i4'), ('field_2', '<f8')])

z
array([(array([1]), array([0.1])),
       (array([2, 3, 4]), array([0.2, 0.3, 0.4])),
       (array([5, 6]), array([0.5, 0.6]))],
      dtype=[('field_1', 'O'), ('field_2', 'O')])

x = np.concatenate(z['field_1'])
y = np.concatenate(z['field_2'])

dt = np.dtype([('f0', '<i4'), ('f1', 'f8')])
np.asarray(list(zip(x, y)), dtype=dt)

array([(1, 0.1), (2, 0.2), (3, 0.3), (4, 0.4), (5, 0.5), (6, 0.6)],
      dtype=[('f0', '<i4'), ('f1', '<f8')])