如何将map返回的numpy数组迭代器转换为单个numpy数组？

我用map函数处理数据时，返回的迭代器里每个元素都是NumPy数组，示例如下：

result = list(map(func, values))
print(result[:2])
# 输出：
# [array([0.981, 0.23]),  array([1.231, -0.56])]

我希望直接得到一个二维NumPy数组：

print(result[:2])
# 输出：
# array([[0.981, 0.23],[1.231, -0.56]])

我试过用np.fromiter(map(func, values))，但弹出弃用警告：

DeprecationWarning: Conversion of an array with ndim > 0 to a scalar is deprecated, and will error in future. Ensure you extract a single element from your array before performing this operation. (Deprecated NumPy 1.25.)

补充要求 #

• 已有可行方案（比如先转list再转数组），但希望直接从map返回的迭代器转换为NumPy数组，跳过转可迭代对象的步骤
• 附最小可运行示例：

import numpy as np

def func(u):
    # A、B、C、D的维度可能变化，所以函数需要保持通用性
    A = np.array([[-1, 0], [-0.2, 1]]).reshape(2, 2)
    B = np.array([1, 0]).reshape(2, 1)
    C = np.array([[1, 0], [0, 1]]).reshape(2, 2)
    D = np.array([1, 1]).reshape(2, 1)
    
    # 补充xx的初始化（原示例遗漏，实际使用需根据逻辑设置）
    xx = np.zeros((2, 1))
    xx = A @ xx + B @ u
    return (C @ xx + D @ u).flatten()  # 转为一维数组，匹配示例输出

N = 100
values = np.ones(N).reshape(N, 1)
result = np.array(list(map(func, values)))  # 当前可行但想优化的写法

解决方案 #

方法1：用np.stack直接处理迭代器 #

np.stack可以直接接收迭代器作为输入，无需先转成list，它会自动迭代每个元素并堆叠成多维数组：

result = np.stack(map(func, values))

如果每个子数组是一维的，np.stack默认会堆叠成二维数组，正好符合需求。如果子数组维度更高，可通过axis参数调整堆叠方向。

方法2：预分配数组填充（内存友好） #

如果提前知道输出数组的形状（比如子数组长度为2，总共有N个元素），可以先预分配数组，再用迭代器填充：

import numpy as np

# 先获取一个样本，确定子数组的形状和数据类型
sample = func(values[0])
result = np.empty((len(values), *sample.shape), dtype=sample.dtype)

# 遍历迭代器填充数组
for idx, arr in enumerate(map(func, values)):
    result[idx] = arr

这种方法避免了临时生成list占用额外内存，适合处理大规模数据。

为什么np.fromiter不可用？ #

np.fromiter是为处理标量元素的迭代器设计的，它会尝试将每个元素转换为标量，而你的迭代器元素是多维数组，因此触发了弃用警告。它不支持直接生成多维数组，所以不适用于这个场景。

内容的提问来源于stack exchange，提问作者Barzi2001