使用不同的维度创建numpy数组

Question

我正在尝试创建一个numpy数组数组，每个数组都有不同的维度。到目前为止，似乎还不错。例如，如果我运行：

np.array([np.zeros((10,3)), np.zeros((11,8))])

结果是：

array([ array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.],
       [ 0.,  0.,  0.]]),
       array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]])], dtype=object)

两个矩阵的维度完全不同，生成的数组没有任何问题。但是，如果两个矩阵的第一个维度相同，则它不再起作用：

np.array([np.zeros((10,3)), np.zeros((10,8))])
Traceback (most recent call last):

  File "<ipython-input-123-97301e1424ae>", line 1, in <module>
    a=np.array([np.zeros((10,3)), np.zeros((10,8))])

ValueError: could not broadcast input array from shape (10,3) into shape (10)

到底是怎么回事？

谢谢！

Answer 1

这之前已被淘汰（Why do I get error trying to cast np.array(some_list) ValueError: could not broadcast input array; Numpy array in array with unequal length）。基本上np.array做3件事之一：

• 制作基本dtype的n维数组，例如浮动。
• 制作一个对象dtype数组
• 提出错误，说前两个是不可能的。

这两个备选方案是后备选项，只有在第一个不可能时才采用。

没有深入研究编译代码如何工作的细节，显然会发生什么

np.array([np.zeros((10,3)), np.zeros((10,8))])

是它首先看到共同的第一个维度，并从中推断它可以采取第一选择。看起来它初始化了一个（10,2）数组（列表中的2个项目），并试图将第一个数组放入第一行，因此尝试将（10,3）数组放入a（10， ）槽。

因此，如果你真的想要一个对象dtype数组，而不是第一或第三种情况，你需要做一些'round-about'创建。

PaulP和我一直在探索Force numpy to create array of objects的替代品

早些时候：How to create a numpy array of lists?

在这个问题中我建议这个迭代：

A=np.empty((3,),dtype=object)
for i,v in enumerate(A): A[i]=[v,i]

或者在你的情况下

In [451]: res = np.empty(2, object)
In [452]: alist = [np.zeros((10,3)), np.zeros((10,8))]
In [453]: for i,v in enumerate(alist):
     ...:     res[i] = v

Prevent numpy from creating a multidimensional array