Python 忽略numpy'中的嵌套结构；s数组创建

我想写入一个vlen hdf5数据集，为此我使用

h5py.dataset.write_direct

来加速这个过程。假设我有一个numpy数组列表（例如，由

cv2.findContours

）和数据集给出：

dataset = h5file.create_dataset('dataset', \
                                shape=..., \
                                dtype=h5py.special_type(vlen='int32'))
contours = [numpy array, ...]

要将

等高线

写入切片

dest

给定的目的地，我必须首先将

等高线

转换为numpy数组的numpy数组：

contours = numpy.array(contours) # shape=(len(contours),); dtype=object
dataset.write_direct(contours, None, dest)

但这仅适用于轮廓中的所有numpy阵列具有不同形状的情况，例如：

contours = [np.zeros((10,), 'int32'), np.zeros((10,), 'int32')]
contours = numpy.array(contours) # shape=(2,10); dtype='int32'

问题是：如何让numpy创建对象数组

---

可能的解决办法：

手动创建：

contours_np = np.empty((len(contours),), dtype=object)
for i, contour in enumerate(contours):
    contours_np[i] = contour

但是循环速度非常慢，因此使用

map

：

map(lambda (i, contour): contour.__setitem_(i, contour),  \
    enumerate(contours))

我测试了第二个选项，速度是上述选项的两倍，但也非常难看：

contours = np.array(contours + [None])[:-1]

以下是微观基准：

l = [np.random.normal(size=100) for _ in range(1000)]

备选案文1：

$ start = time.time(); l_array = np.zeros(shape=(len(l),), dtype='O'); map(lambda (i, c): l_array.__setitem__(i, c), enumerate(l)); end = time.time(); print("%fms" % ((end - start) * 10**3))
0.950098ms

备选案文2：

$ start = time.time(); np.array(l + [None])[:-1]; end = time.time(); print("%fms" % ((end - start) * 10**3))
0.409842ms

---

这看起来有点难看，还有其他建议吗？

一个解决方案似乎是先创建“外部”数组（使用“对象”数据类型），然后用内部数组填充元素

因此：

导致

[array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=int32)
 array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=int32)]

array([array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=int32),
       array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=int32)], dtype=object)

在这个版本中

contours_np = np.empty((len(contours),), dtype=object)
for i, contour in enumerate(contours):
    contours_np[i] = contour

可以用单个语句替换循环

contours_np[...] = contours

---

这就是我一直在寻找的：）

contours_np[...] = contours