Numpy返回数组触发ragged nested sequences警告原因排查

触发ragged nested sequence警告的核心原因是return语句中尝试拼接的三个子数组维度不统一，numpy无法将其转换为形状规则的数值型多维数组。
结合传入的测试参数逐行推导变量形状即可定位问题：

• 输入arr形状为(3,4)（即示例中N=4），提取出的delta_right/delta_left/delta_back都是形状为(4,)的一维数组
• 计算得到的delta_theta形状为(4,)，沿axis=0累加得到的delta_theta_cumul形状保持(4,)，外层套1次方括号[delta_theta_cumul]后，该子元素维度为(1,4)
• 计算delta_x、delta_y时，给长度为4的一维运算结果额外套了一层np.array()，导致delta_x、delta_y初始形状就变成了(1,4)的二维数组，沿axis=0累加后的delta_x_cumul、delta_y_cumul形状仍为(1,4)，再外层套1次方括号后，这两个子元素的维度变成了(1,1,4)

三个待拼接子元素的维度分别是(1,4)、(1,1,4)、(1,1,4)，嵌套层级和各层长度都不统一，属于numpy定义的不规则嵌套序列，因此触发对应弃用警告。

要得到形状为(3,N)的返回矩阵，只需要去掉计算和返回阶段多余的维度包裹即可，两种改法可选：

1. 去掉delta_x、delta_y计算时多余的np.array()包裹，让三个累加结果都保持(N,)的一维形状，最后直接堆叠：

def get_wheel_status(arr, Dr, Dl, Db):
    
    delta_right = arr[0,:]
    delta_left  = arr[1,:]
    delta_back = arr[2,:]
    
    delta_theta = (delta_left - delta_right) / (Dr + Dl)
    delta_theta_cumul = np.cumsum(delta_theta, axis=0)
    
    # 去掉外层多余的np.array()包裹
    delta_x = 2*np.sin(delta_theta/2) * ((delta_back / delta_theta) + Db)
    delta_y = 2*np.sin(delta_theta/2) * ((delta_right / delta_theta) + Dr)

    delta_x_cumul = np.cumsum(delta_x, axis=0)
    delta_y_cumul = np.cumsum(delta_y, axis=0)
  
    # 三个一维数组直接堆叠，得到形状(3,N)的结果
    return np.array([delta_theta_cumul, delta_x_cumul, delta_y_cumul])

2. 保留原有计算逻辑的话，用ravel()把二维的cumul结果拉平成一维，再用vstack按行堆叠，也能得到正确形状的结果：

return np.vstack([
    delta_theta_cumul,
    delta_x_cumul.ravel(),
    delta_y_cumul.ravel()
])

内容的提问来源于stack exchange，提问作者equanimity