可以使用列表解析生成矩阵Z_comb，其中对于m中的每个元素，创建一个从0到m[i]-1的整数列表，然后将None追加到列表末尾，直到列表长度为4。下面是如何执行此操作的示例：

m = [2, 4, 1]
Z_comb = [[i if i < m[j] else None for i in range(4)] for j in range(len(m))]

这将生成预期结果：

[[0, 1, None, None], [0, 1, 2, 3], [0, None, None, None]]

如果愿意，可以将Z_comb转换为numpy数组。
这个解决方案 * 确实 * 生成了您所说的预期结果，尽管它 * 没有 * 大小为(len(m), len(m))，而您 * 也 * 在开始时提到了它应该具有的大小。

numpy 解决方案

您可以使用广播：

# input
m = np.array([2,4,1])

N = m.max()
# 4
a = np.arange(N) 
# array([0, 1, 2, 3])

Z_comb = np.where(m[:,None] >= a, a, np.nan)

• 注意：输出包含nan而不是None，因为None在numpy数组中实际上没有意义（这将强制object dtype并阻止矢量化）。*

输出Z_comb：

array([[ 0.,  1.,  2., nan],
       [ 0.,  1.,  2.,  3.],
       [ 0.,  1., nan, nan]])

纯Python解决方案

如果你想要一个纯粹的python解决方案：

N = max(m)
Z_comb = [list(range(x))+[None]*(N-x) for x in m]

输出：

[[0, 1, None, None],
 [0, 1, 2, 3],
 [0, None, None, None]]

这是一个填充问题，经常在SO上出现。
因为你想用None填充，我们必须创建一个object dtype数组，这里有一个简单的方法：

In [60]: res = np.empty((len(m), max(m)), object)    
In [61]: res
Out[61]: 
array([[None, None, None, None],
       [None, None, None, None],
       [None, None, None, None]], dtype=object)

我可以从一个0数组开始，或者用np.nan填充float dtype。
然后只需将所需范围分配给每一行：

In [62]: for i,v in enumerate(m):
    ...:     res[i,:v] = np.arange(v)
    ...:     
In [63]: res
Out[63]: 
array([[0, 1, None, None],
       [0, 1, 2, 3],
       [0, None, None, None]], dtype=object)

将其与您创建不规则数组的方法进行比较：

In [64]: np.array([np.arange(v) for v in m], object)
Out[64]: array([array([0, 1]), array([0, 1, 2, 3]), array([0])], dtype=object)

一种更快的填充方式是从布尔掩码开始，例如：

In [65]: np.arange(4)<m[:,None]
Out[65]: 
array([[ True,  True, False, False],
       [ True,  True,  True,  True],
       [ True, False, False, False]])

简单地乘以arange得到一个填充0的数组：

In [66]: np.arange(4) * _
Out[66]: 
array([[0, 1, 0, 0],
       [0, 1, 2, 3],
       [0, 0, 0, 0]])

您可以看到该掩码如何与res的非None元素相关联：

In [67]: res[Out[65]]
Out[67]: array([0, 1, 0, 1, 2, 3, 0], dtype=object)

itertools具有一个zip_longest

In [79]: list(zip(*zip_longest(*(list(range(i)) for i in m))))
Out[79]: [(0, 1, None, None), (0, 1, 2, 3), (0, None, None, None)]

In [80]: np.array(_)
Out[80]: 
array([[0, 1, None, None],
       [0, 1, 2, 3],
       [0, None, None, None]], dtype=object)