将多个数据文件组合成储存在字典中的np.arrays。

我正在尝试加载一个大型数据集。我有 ~8k 天的文件，每个文件中有数百个测量值的数组。我可以将一个单独的文件加载到一组 numpy 数组中，然后将其存储在一个字典中。要加载所有的天数文件，我使用所需的键初始化一个字典。然后我循环遍历文件列表，加载一个文件，并尝试将它们存储在较大的字典中。

    all_measurements = np.asarray([get_n_measurements(directory, name) for name in files])
    error_files = []
    temp = np.full(all_measurements.sum()
    all_data = {key: temp.copy(), 
                     fill_value, dtype=np.float64) for key in sample_file}
    start_index = 0
    for data_file, n_measurements in zip(file_list, all_measurements):
        file_data = one_file(data_file) # Load one data file into a dict.
        for key, value in file_data.iteritems(): # I've tried .items(), .viewitems() as well.
            try:
                all_data[key][start_index : start_index + n_measurements] = file_data[key]
            except ValueError, msg:
                error_files.append((data_file, msg))
            finally:
                start_index += n_measurements

我已经检查了 one_file() 的结果，我知道它正确地加载了数据。然而，合并的all_data的行为好像在整个key:value对中每个值都相同。

这是数据结构的一个示例：

all_data  = {'a': array([ 0.76290858,  0.83449302,  ...,  0.06186873]), 
             'b': array([ 0.32939997,  0.00111448,  ..., 0.72303435])}
file_data = {'a': array([ 0.00915347,  0.39020354]),
             'b': array([ 0.8992421 ,  0.18964702])}

在每次迭代的for循环中，我尝试将file_data插入到all_data的索引[start_index：start_index + n_measurements]中。