Question

我弄明白我不理解的np.array函数的某些行为。这段代码按我期望的方式工作：

arr1 = np.zeros((3,2))
arr2 = np.zeros((2,2))

np.array([arr1,arr2])

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

但是这段代码给了我一个错误：

arr1 = np.zeros((2,3))
arr2 = np.zeros((2,2))

np.array([arr1,arr2])

ValueError：无法将形状（2,3）的输入数组广播为形状（2）

为什么它会有所不同，第一个维度的大小是否匹配？我如何强制该函数的行为与第一个示例中的一样？

Answer 1

如numpy array 1.9.2 getting ValueError: could not broadcast input array from shape (4,2) into shape (4)

所述

对象数组的创建方式发生了变化。尽可能np.array尝试创建多维数组。创建对象数组一直是后备选择，在输入不匹配时使用。即使这样，也可能无法预测。

最可靠的方法是制作一个大小合适的空对象数组并插入对象

In [242]: a=np.zeros((2,3));b=np.ones((2,2))

In [243]: arr=np.zeros((2,), object)
In [244]: arr[0]=a; arr[1]=b

In [245]: arr
Out[245]: 
array([array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.]]),
       array([[ 1.,  1.],
       [ 1.,  1.]])], dtype=object)
In [246]: arr[:]=[a,b]           # also works

您已经看到np.array([a.T, b])有效。如果我将数组转换为嵌套列表，我会得到一个二维数组的平面列表; 2和3元素列表是不兼容对象的最低级别。

In [250]: np.array([a.tolist(),b.tolist()])
Out[250]: 
array([[[0.0, 0.0, 0.0], [0.0, 0.0, 0.0]],
       [[1.0, 1.0], [1.0, 1.0]]], dtype=object)

In [251]: _.shape
Out[251]: (2, 2)

np.array已编译，因此需要进行一些挖掘来解码其逻辑。我之前的挖掘表明，进行了一些更改以加速从数组创建数组（更像是连接）。这个问题可能是这种变化的副作用。

带回家的消息是：如果你想创建一个数组的对象数组，不要依靠np.array来完成工作。它的设计主要是为了制作多维的标量数组。

例如，如果数组大小匹配：

In [252]: np.array([a,a]).shape
Out[252]: (2, 2, 3)

如果我想要一个2元素的对象数组，我必须使用arr[...]=[a,a]。

当第一个维度的第一个大小与

1 个答案: