Python 使用嵌套结构按列连接NumPy数组

我有以下3个NumPy阵列：

arr1 = np.array(['a', 'b', 'c', 'd', 'e', 'f']).reshape(2, 3)
arr2 = np.array(['g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p']).reshape(2, 5)
arr3 = np.array(['r', 's', 't', 'u']).reshape(2, 2)

我希望以列方式加入它们，但让它们在来自每个数组的项之间保持分隔，如下所示：

Output:
array([[['a', 'b', 'c'], ['g', 'h', 'i', 'j', 'k'], ['r', 's']],
       [['d', 'e', 'f'], ['l', 'm', 'n', 'o', 'p'], ['t', 'u']]], dtype='<U1')

输出：
数组（[['a'，'b'，'c']，['g'，'h'，'i'，'j'，'k']，['r'，'s']，
[['d'，'e'，'f']，['l'，'m'，'n'，'o'，'p']，['t'，'u']]，dtype='您可以尝试：

print(np.array([[x, y, z] for x, y, z in zip(arr1.tolist(), arr2.tolist(), arr3.tolist())]))

或者，如果希望内部行也作为数组：

print(np.array([np.array([x, y, z]) for x, y, z in zip(arr1.tolist(), arr2.tolist(), arr3.tolist())]))

输出：

[[['a', 'b', 'c'] ['g', 'h', 'i', 'j', 'k'] ['r', 's']]
 [['d', 'e', 'f'] ['l', 'm', 'n', 'o', 'p'] ['t', 'u']]]

形状如预期的那样是
（2,3）

编辑：

正如您在评论中提到的，请尝试：

l = [arr1, arr2, arr3] # list of the arrays:
print(np.array([np.array([x, y, z]) for x, y, z in zip(*[i.tolist() for i in l])]))

要做到这一点可能需要很长的时间，但它是有效的：

arr_all=[]
对于范围内的i（arr1.shape[0]）：
行=[]
行追加（[arr[i，：]用于[arr1，arr2，arr3]]中的arr）
arr_all.append（行）
arr_all=np.数组（arr_all）.整形（2,3）
我认为这应该会给您提供所需的输出。这是对@U10给出的答案的修改，其中内部元素是python列表

print(np.array([[np.array(x), np.array(y), np.array(z)] for x, y, z in zip(arr1.tolist(), arr2.tolist(), arr3.tolist())]))

如果尝试从这些数组生成对象数据类型数组，则会出现错误：

In [22]: np.array([arr1, arr2, arr3])                                                            
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-22-155b98609c5b> in <module>
----> 1 np.array([arr1, arr2, arr3])

ValueError: could not broadcast input array from shape (2,3) into shape (2)

但是如果我尝试分配第一列，我会得到相同的错误：

In [17]: arr[:,0] = arr1                                                                         
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-17-9894797aa09e> in <module>
----> 1 arr[:,0] = arr1

ValueError: could not broadcast input array from shape (2,3) into shape (2)

创建所需数组时遇到的这些困难很好地表明，这不是一个好的
numpy
数组结构。如果很难制作，它可能也很难使用，或者至少很慢。在对象数据类型数组上的迭代比在列表上的迭代要慢。与列表相比，它唯一的优点是易于重塑

====

np.array
如果输入是列表而不是数组，则可以工作：

In [33]: np.array([arr1.tolist(), arr2.tolist(), arr3.tolist()])                                 
Out[33]: 
array([[list(['a', 'b', 'c']), list(['d', 'e', 'f'])],
       [list(['g', 'h', 'i', 'j', 'k']), list(['l', 'm', 'n', 'o', 'p'])],
       [list(['r', 's']), list(['t', 'u'])]], dtype=object)

或转换为列表以显示“更干净”：

In [34]: _.tolist()                                                                              
Out[34]: 
[[['a', 'b', 'c'], ['d', 'e', 'f']],
 [['g', 'h', 'i', 'j', 'k'], ['l', 'm', 'n', 'o', 'p']],
 [['r', 's'], ['t', 'u']]]

该数组的转置确实给出了所需的（3,2）数组：

你能说明你期望的结果形状应该是什么吗？numpy不能有锯齿状数组，即不同长度的数组。或者为了澄清，你可以突出你的外部数组的类型是
object
而不是
，在我看来，对于给定的示例数组，形状应该是（2，3）。但是，每行这3列中的每一列都将包含自己的数组，其项数等于它们来自的原始数组的列数。您将显示（2,3）对象数据类型数组。为什么不使用列表呢？快速numpy的东西是用于矩形布局中的数值。这是一个很好的答案，但我需要添加一个细微的变化-假设arr的数量没有给定，但它们仍然共享相同的行数（例如，我们有时有arr 1-3，有时有arr 1-6）。我们如何修改您的脚本以考虑压缩的可变元素数？内部元素仍然是python列表。您必须在每个元素（np.array（x））上调用np.array，而不是在[x，y，z]上调用是的！太好了，这正是我想要的。非常感谢！谢谢你的回答，但我真的希望尽可能避免使用循环-这部分代码对我来说需要尽快工作。其他人都在使用循环-列表理解和zip内部元素仍然是python列表。你必须在每个元素上调用np.array（np.数组（x）），不在[x，y，z]上
In [17]: arr[:,0] = arr1                                                                         
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-17-9894797aa09e> in <module>
----> 1 arr[:,0] = arr1

ValueError: could not broadcast input array from shape (2,3) into shape (2)

In [18]: arr[0,0] = arr1[0]                                                                      
In [19]: arr[1,0] = arr1[1]                                                                      
In [20]: arr[0,1] = arr2[0] 
...                                                                     
In [21]: arr                                                                                     
Out[21]: 
array([[array(['a', 'b', 'c'], dtype='<U1'),
        array(['g', 'h', 'i', 'j', 'k'], dtype='<U1'), None],
       [array(['d', 'e', 'f'], dtype='<U1'), None, None]], dtype=object)

In [23]: arr[:,0] = arr1.tolist()                                                                
In [24]: arr[:,1] = arr2.tolist()                                                                
In [25]: arr[:,2] = arr3.tolist()                                                                
In [26]: arr                                                                                     
Out[26]: 
array([[list(['a', 'b', 'c']), list(['g', 'h', 'i', 'j', 'k']),
        list(['r', 's'])],
       [list(['d', 'e', 'f']), list(['l', 'm', 'n', 'o', 'p']),
        list(['t', 'u'])]], dtype=object)

In [33]: np.array([arr1.tolist(), arr2.tolist(), arr3.tolist()])                                 
Out[33]: 
array([[list(['a', 'b', 'c']), list(['d', 'e', 'f'])],
       [list(['g', 'h', 'i', 'j', 'k']), list(['l', 'm', 'n', 'o', 'p'])],
       [list(['r', 's']), list(['t', 'u'])]], dtype=object)

In [34]: _.tolist()                                                                              
Out[34]: 
[[['a', 'b', 'c'], ['d', 'e', 'f']],
 [['g', 'h', 'i', 'j', 'k'], ['l', 'm', 'n', 'o', 'p']],
 [['r', 's'], ['t', 'u']]]

In [35]: _33.T.tolist()                                                                          
Out[35]: 
[[['a', 'b', 'c'], ['g', 'h', 'i', 'j', 'k'], ['r', 's']],
 [['d', 'e', 'f'], ['l', 'm', 'n', 'o', 'p'], ['t', 'u']]]