Question

我想创建一个numpy数组 b ，其中每个组件都是2D矩阵，其尺寸由向量 a < / em> 。

以下内容使我满意：

>>> a = [3,4,1] >>> b = [np.zeros((a[i], a[i - 1] + 1)) for i in range(1, len(a))] >>> np.array(b) array([ array([[ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.], [ 0., 0., 0., 0.]]), array([[ 0., 0., 0., 0., 0.]])], dtype=object)

但是，如果我发现这种病理情况无法正常工作

>>> a = [2,1,1] >>> b = [np.zeros((a[i], a[i - 1] + 1)) for i in range(1, len(a))] >>> b [array([[ 0., 0., 0.]]), array([[ 0., 0.]])] >>> np.array(b) Traceback (most recent call last): File "<stdin>", line 1, in <module> ValueError: could not broadcast input array from shape (3) into shape (1)

Answer 1

这有点奇怪。通常，numpy会尝试根据np.array的输入创建一个具有通用数据类型的数组。数组列表将被解释为新维度。例如，np.array([np.zeros(3, 1), np.zeros(3, 1)])将产生一个2 x 3 x 1数组。因此，只有在列表中的数组形状匹配时，才会发生这种情况。否则，您最终将得到一个数组数组（带有dtype=object），正如所评论的那样，这实际上不是理想的情况。

但是，当第一个尺寸匹配时，您的错误似乎发生了。 Numpy由于某种原因尝试以某种方式广播阵列，但失败了。只要数组之间的第一个维度匹配，即使数组具有更高的维度，我也可以重现您的错误。

我知道这不是解决方案，但这不适合发表评论。正如@roganjosh所指出的那样，制作这种数组确实没有任何好处。最好坚持使用数组列表以提高可读性，并避免创建这些数组的成本。

Answer 2

我将提出该问题的解决方案，但要考虑到评论中所说的内容。 Numpy数组未对齐会阻止大多数有用的操作发挥作用。考虑改用列表。

话虽如此，确实是个奇怪的错误。通过分配一个基本的for循环而不是使用np.array调用，我可以正常工作。

a = [2,1,1]
b = np.zeros(len(a)-1, dtype=object)
for i in range(1, len(a)):
    b[i-1] = np.zeros((a[i], a[i - 1] + 1))

结果：

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

numpy：无法将输入数组从形状（3）广播到形状（1）

2 个答案: