Python 将不完整的嵌套列表放入矩形数组中

在Python中（也使用numpy），我有一个列表列表，每个列表的长度不同

[
    [
         ["header1","header2"],
         ["---"],
         [],
         ["item1","value1"]
    ],

    [
         ["header1","header2","header3"],
         ["item2","value2"],
         ["item3","value3","value4","value5"]
    ]
]

我想将此数据结构设置为矩形：即保证

len（list[x]）

对于所有

x

，

len（list[x][y]）

对于所有x、y等都是常量

（这是因为我想将数据结构导入numpy）

我可以想出各种非音速的方法来做这样的事情（在结构上迭代，在每个级别上记录最大长度，使用

无

的第二遍和pad值，但必须有更好的方法

（我还希望解决方案不依赖于结构的维度；即，它也应适用于此类结构的列表……）

---

有没有一种简单的方法我不知道？

您可以创建一个具有所需维度的

ndarray

，并随时读取列表。由于列表不完整，您必须捕获

索引器，这可以在
try/exception
块中完成

使用
numpy.ndenumerate
可以轻松地将解决方案扩展到更多维度（在下面的for循环中添加更多索引
i、j、k、l、m、n、
）：

这里有三个级别的列表-它需要在什么级别上是矩形的？（或者，我想，三个级别都需要是立方的）一旦数据在NumPy中，你将如何处理它？Lattyware：所有这些；我最终想要的数据结构应该可以描述为x-x-y-x-z长方体。KarlKnechtel：使用NumPy的多维切片，根据诸如“与字符串在同一列中”之类的内容识别我真正感兴趣的数据与字符串“标题行”位于同一行中"。您是如何获得这些数据的？它是从您的其他代码中产生的，还是从csv/json/xml或其他形式的结构化数据中读取的？作为一个稍微的要点，我真的很好奇您为什么要使用Numpy来实现这一点。在这种情况下，Numpy提供了正常列表所不提供的什么？更广泛地说，尽管numpy完全能够存储各种奇怪的数据类型，我不知道为什么有人会将它用于非简单类型（这是真正的好奇！）。
import numpy as np
test = [ [ ["header1","header2"],
           ["---"],
           [],
           ["item1","value1"] ],
         [ ["header1","header2","header3"],
           ["item2","value2"],
           ["item3","value3","value4","value5"] ] ]


collector = np.empty((2,4,4),dtype='|S20')

for (i,j,k), v in np.ndenumerate( collector ):
    try:
        collector[i,j,k] = test[i][j][k]
    except IndexError:
        collector[i,j,k] = ''


print collector
#array([[['header1', 'header2', '', ''],
#        ['---', '', '', ''],
#        ['', '', '', ''],
#        ['item1', 'value1', '', '']],
#       [['header1', 'header2', 'header3', ''],
#        ['item2', 'value2', '', ''],
#        ['item3', 'value3', 'value4', 'value5'],
#        ['', '', '', '']]],  dtype='|S10')