我有一个高度嵌套的NumPy数组，如下所示：

array = [
            [
                [
                    [ "data . . . "],
                ]
            ],
            [
                [
                    ["more data . . ."],
                ]
            ]
    ]

并且想去掉几层，将其变成：

array = [
            [ "data . . . "],
            ["more data . . ."]
    ]

如何高效地使用NumPy来实现这一点？

如果我使用列表推导式，我会直接这么写：

a_flat = [ row[0][0] for row in array ]

解决方案

你展示的是一个普通的列表并请求 numpy，但为确保：
每个列表必须具有相同的维度。

它不能是，例如 ["data . . . "]（只有一个项）
而是 ["more data . . . ", "A", "B", "C"]（4项）

numpy 有 array.flatten()，但这会产生

['data . . . ', 'more data . . .']

但是使用 array.reshape()，你可以转换为期望的大小。

array.reshape(-1, 1) 会给我

[['data . . . '], ['more data . . .']]

但如果数据更多，你需要先知道第一维和/或最后一维

last = arr.shape[-1]
arr.reshape(-1, last)

first = arr.shape[0]
arr.reshape(first, -1)

但这一切都需要将嵌套列表转换为 np.array()，然后再用 .tolist() 转换回去

带有更多数据的最小可运行代码

import numpy as np

array = [
    [
        [
            ["data . . . ", "B"],
        ]
    ],
    [
        [
            ["more data . . .", "B"],
        ]
    ],
    [
        [
            ["more data . . .", "B"],
        ]
    ],
    [
        [
            ["more data . . .", "B"],
        ]
    ],
]

arr = np.array(array)

print("flatten:", arr.flatten().tolist())
print("shape:", arr.shape)

#print("reshape:", arr.reshape(-1, 1).tolist())

last = arr.shape[-1]
print("reshape:", arr.reshape(-1, last).tolist())

first = arr.shape[0]
print("reshape:", arr.reshape(first, -1).tolist())

flatten: ['data . . . ', 'B', 'more data . . .', 'B', 'more data . . .', 'B', 'more data . . .', 'B']
shape: (4, 1, 1, 2)
reshape: [['data . . . ', 'B'], ['more data . . .', 'B'], ['more data . . .', 'B'], ['more data . . .', 'B']]
reshape: [['data . . . ', 'B'], ['more data . . .', 'B'], ['more data . . .', 'B'], ['more data . . .', 'B']]