Python中将不同长度列表转为NumPy兼容数组并填充NaN的高效方法

输入的不等长嵌套列表示例：

arr = [[0. , 1.5, 3. , 0. , 1.5], [0. , 1.5, 3. ], [0., 1.33, 2.67, 4. ]]

期望输出（以最长子列表长度为基准，用None填充空缺，最终可兼容NumPy数组）：

arr_filled = [[0. , 1.5, 3. , 0. , 1.5], [0. , 1.5, 3., None, None ], [0., 1.33, 2.67, 4., None ]]

原实现方式为通过map(len, arr)获取子列表长度，循环添加None至长度一致，现提供更简洁高效的实现方案：

简洁实现方案 #

1. 纯Python列表推导式（简洁直观） #

先获取最长子列表的长度，再通过列表推导式一次性完成填充，比循环逐个添加更高效：

max_len = max(len(sublist) for sublist in arr)
arr_filled = [sublist + [None] * (max_len - len(sublist)) for sublist in arr]

2. 直接生成NumPy数组（一步满足兼容需求） #

如果最终目标是生成NumPy数组，推荐用np.nan替代None（NumPy浮点数组会自动将None转为nan，nan更适合数值型数据处理），有两种实现方式：

方式一：列表推导式转NumPy数组

import numpy as np

max_len = max(len(sublist) for sublist in arr)
np_arr = np.array([sublist + [np.nan] * (max_len - len(sublist)) for sublist in arr])

方式二：初始化全nan数组再赋值（大数据量更高效）

避免多次列表拼接，先创建指定形状的全nan数组，再切片赋值原数据，适合处理大规模数据：

import numpy as np

max_len = max(len(sublist) for sublist in arr)
np_arr = np.full((len(arr), max_len), np.nan)
for idx, sublist in enumerate(arr):
    np_arr[idx, :len(sublist)] = sublist

内容的提问来源于stack exchange，提问作者MathX