Question

这是一个代码。我列出了包含两个形状不同的ndarray的列表。

d = []

a = np.arange(183).reshape(3,61)
b = np.arange(51).reshape(3,17)

d = [a,b]

np.array(d)

错误如下。

 File "C:\Program Files\JetBrains\PyCharm 2019.1.1\helpers\pydev\_pydev_imps\_pydev_execfile.py", line 18, in execfile
    exec(compile(contents+"\n", file, 'exec'), glob, loc)
  File "D:/dev/workspace/rl/test/npcopy.py", line 10, in <module>
    np.array(d)
ValueError: could not broadcast input array from shape (3,61) into shape (3)

np.copy（）在两个ndarray的第一个shpae不同时起作用。但是如果没有，它就不能像上面那样工作。

如果我按以下方式更改此代码，

import numpy as np

d = []

a = np.arange(183).reshape(4, 61)
b = np.arange(51).reshape(3, 17)

d = [a,b]

np.array(d)

有效！！好奇怪！

Answer 1

因为矩阵的维数不同

> a = np.arange(183).reshape(3,61) b = np.arange(51).reshape(3,17)
> d=[np.array(a),np.array(b)] 
>  print(d) for output
> 
> or  d=[a,b]
>  np.concatenate(d, axis=1)

Answer 2

当您尝试使用数组制作数组时，可能会出现三种结果：

如果数组具有相同的形状，则结果是一维数组：

In [295]: np.array((np.zeros((2,3),int),np.ones((2,3),int)))                 
Out[295]: 
array([[[0, 0, 0],
        [0, 0, 0]],

       [[1, 1, 1],
        [1, 1, 1]]])
In [296]: _.shape                                                            
Out[296]: (2, 2, 3)

如果数组的形状不同，则结果可能是对象dtype数组（类似于list）：

In [298]: np.array((np.zeros((2,3),int),np.ones((3,3),int)))                 
Out[298]: 
array([array([[0, 0, 0],
       [0, 0, 0]]),
       array([[1, 1, 1],
       [1, 1, 1],
       [1, 1, 1]])], dtype=object)    # shape (2,)

但是对于某些形状组合，结果是一个错误：

In [301]: np.array((np.zeros((2,3),int),np.ones((2,4),int)))                 
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-301-d67e6685581d> in <module>
----> 1 np.array((np.zeros((2,3),int),np.ones((2,4),int)))

ValueError: could not broadcast input array from shape (2,3) into shape (2)

在错误情况下，第一个尺寸匹配，就像在第一种情况下一样。

有时要创建一个对象数组，必须先从一个“空”数组开始，然后填充它。这比np.array(...)方法更可靠。

In [303]: arr = np.empty(2, object)                                          
In [304]: arr[:] = np.zeros((2,3),int),np.ones((2,4),int)                    
In [305]: arr                                                                
Out[305]: 
array([array([[0, 0, 0],
       [0, 0, 0]]),
       array([[1, 1, 1, 1],
       [1, 1, 1, 1]])], dtype=object)
In [306]: arr[:] = np.zeros((2,3),int),np.ones((2,3),int)                    
In [307]: arr                                                                
Out[307]: 
array([array([[0, 0, 0],
       [0, 0, 0]]),
       array([[1, 1, 1],
       [1, 1, 1]])], dtype=object)

Answer 3

我选择使用copy.deepcopy（）而不是np.copy（）。即使列表中两个项目的第一个形状相同也可以使用。

当我给出包含两个具有不同形状的ndarray的列表时，np.array（）无法正常工作

3 个答案: