如何将不规则计算输出列表整理为数据集或规整numpy数组

你的原始输出列表为「点集元组+对应计算值」交替排列，最后一个单独浮点数为全局汇总统计值，可按以下方法规整：

1. 生成行列对齐的结构化数据集 #

先拆分原始数据，按「点集对+计算值」的规则组装每行数据：

raw_list = [([-1.0, -1.0], [3.0, 2.0]), 2.5, ([-2.0, -1.9], [-4.0, 10.0]), 3.0, ([-3.0, -2.0],), -2.5, ([1.0, 1.5],), 1.25, ([2.7, 1.0],), 1.85, 13.813077881487198]
# 拆分分组数据和全局统计值
group_data = raw_list[:-1]
global_stat = raw_list[-1]

# 组装规整数据集
dataset = []
for i in range(0, len(group_data), 2):
    point_tuple = group_data[i]
    calc_result = group_data[i+1]
    # 统一补全点集长度为2，缺省用空列表占位
    points = list(point_tuple) + [[]]*(2 - len(point_tuple))
    dataset.append([*points, calc_result])

组装后的数据集每行格式为[第一个点坐标, 第二个点坐标, 对应计算结果]，如果需要表格形式可直接转Pandas DataFrame：

import pandas as pd
df = pd.DataFrame(dataset, columns=["点1", "点2", "对应计算结果"])
# 全局统计值可存入属性单独管理
df.attrs["全局汇总统计值"] = global_stat

2. 转换为NumPy数组 #

根据后续使用场景选择两种转换方式：

对象类型数组（保留原始数据结构） #

import numpy as np
# 直接转换为对象类型数组，完整保留坐标列表结构
np_obj_arr = np.array(dataset, dtype=object)

扁平化数值数组（适配数值计算场景） #

将坐标拆分为独立列，缺省值用nan填充，统一为纯数值数组：

flat_data = []
for row in dataset:
    p1 = row[0] if row[0] else [np.nan, np.nan]
    p2 = row[1] if row[1] else [np.nan, np.nan]
    flat_data.append([*p1, *p2, row[2]])
np_flat_arr = np.array(flat_data, dtype=np.float64)

转换后每行格式为[点1x坐标, 点1y坐标, 点2x坐标, 点2y坐标, 对应计算结果]，可直接用于后续矩阵运算。

内容的提问来源于stack exchange，提问作者user4556432