因为听起来您希望这一切都在numpy 中，所以您的问题的直接答案实际上只是一个旁白，而正确 答案直到“当然……”段落。
如果您考虑一下，您使用map 和None 第一个参数作为zip_longest，因为Python 没有zip_longest。但它确实有一个，在itertools——它允许你指定一个自定义的fillvalue。所以，您可以通过izip_longest 一步完成这一切：
>>> import itertools
>>> todayorders = [1, 2]
>>> lastyearorders = [1, 2, 3]
>>> allorders = itertools.izip_longest(todayorders, lastyearorders, fillvalue=0)
>>> list(allorders)
[(1, 1), (2, 2), (0, 3)]
这仅填充0 用于显示为较短列表的额外值的Nones；如果您想用0 替换每个 None，您必须按照Martijn Pieters 的方式进行。但我认为这就是你想要的。
另外，请注意末尾的list(allorders)：izip_longest，与itertools 中的大多数内容一样，返回一个迭代器，而不是list。或者，用您可能更熟悉的术语来说，它返回一个“惰性”序列而不是“严格”序列。如果您只是要迭代结果，那实际上会更好，但是如果您需要将它与需要 list 的某些功能一起使用（例如以人类可读的形式打印出来 - 或访问 allorders[9]，如在您的示例中），您需要先显式转换它。
如果您真的想要numpy.array 而不是list，您可以直接到达那里，而无需先通过list。 （如果您只想使用matplotlib 它，您可能确实想要array。）最明确的方法是使用np.fromiter(allorders) 而不是list(allorders) .您可能想传递一个明确的dtype=int（或任何合适的）。而且，如果您知道大小（您知道它是 max(len(todayorders), len(lastyearorders))），在某些情况下，传递显式 count 也会更快或更简单。
当然，如果numpy 中的任何一个听起来很吸引人，您可能首先应该留在numpy，而不是使用map 或izip_longest：
>>> todayorders.resize(lastyearorders.shape)
>>> allorders = np.vstack(todayorders, lastyearorders).transpose()
不幸的是，todayorders 发生了变异，据我所知，等效的不可变函数 numpy.resize 并没有给你任何“零扩展”的方法，而是重复这些值。希望我错了，有人会建议简单的方法，但否则，你必须明确地这样做：
>>> extrazeros = np.zeros(len(lastyearorders) - len(todayorders), dtype=int)
>>> allorders = np.vstack(np.concatenate((todayorders, extrazeros)), lastyearorders)
>>> allorders = allorders.transpose()
array([[ 1, 1],
[ 2, 2],
[ 0, 3]])
当然，如果你做了很多这样的事情，我会编写一个 zeroextend 函数，它接受一对数组并扩展一个以匹配另一个（或者，如果你不只是处理一维，扩展在每个轴上缩短一个以制作另一个）。
无论如何，除了比使用map、izip_longest 等更快和使用更少的临时内存之外，这也意味着你最终得到了一个正确的数组 dtype (int而不是object)——这意味着你的结果也会使用更少的长期记忆，从那时起你所做的一切也会更快并且使用更少的临时记忆。
为了完整性：可以让 pyplot 处理 None 值，但我认为这不是您想要的。例如，您可以传递一个Transform 对象，其transform 方法将None 转换为0。但这实际上与 Martijn Pieters 的答案相同，但更加冗长，除非您需要绘制大量此类数组，否则根本没有任何优势。