不同长度float64子数组构成的numpy object数组转float64方法咨询

问题根源 #

你创建外层conc数组时，由于初始子数组长度不一致，numpy无法生成规整的多维数值数组，直接退化为存储numpy数组对象的object类型数组。后续修改每个元素的长度只是更新了数组内存储的对象，不会改变外层数组本身的dtype，因此直接调用astype(np.float64)会无法转换。

适配场景的解决方案 #

你不需要手动给每个子数组补零，直接基于已有的object数组生成新的规整float64数组即可，不需要修改之前的数组生成逻辑，完全在后续环节完成处理：

1. 遍历所有子数组，计算得到子数组的最大长度
2. 初始化一个形状为(子数组数量, 最大长度)的float64数组，默认填充0
3. 逐个将子数组的内容写入新数组的对应位置，不足的位置自动留0

可运行的示例代码 #

import numpy as np

# 模拟你已经生成好的object类型大数组
A = [1.0, 2.0]
B = [3.0]
C = [5.0,6.0]
conc = []
conc.append(np.array(A))
conc.append(np.array(B))
conc.append(np.array(C))
conc = np.array(conc) # 此处生成的就是dtype为object的数组

# 后续转换逻辑
max_len = max(len(arr) for arr in conc)
new_conc = np.zeros((len(conc), max_len), dtype=np.float64)
for idx, sub_arr in enumerate(conc):
    new_conc[idx, :len(sub_arr)] = sub_arr

# 验证结果
print(new_conc.dtype)
print(new_conc)

运行后输出：

float64
[[1. 2.]
 [3. 0.]
 [5. 6.]]

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