列表到 numpy 数组转换可能的错误

Question

最近，我遇到了np.array(list) 转换的问题。假设我们有一个包含 3 个形状为 (x, y), (x, y), (x, z) 的 numpy 二维数组的列表，因此 shape[0] 对于列表中的所有数组都是相同的。在这种情况下，转换为数组失败

ValueError: 无法将输入数组从形状 (x, z) 广播到 形状 (x)

Numpy 尝试创建形状为 (3, x, y) 的数组，而不是保留其类似列表的结构（不同数组的数组）。 如果至少一个shape[0] 与另一个不同，我们就会得到我们想要的，形状为(3,) 的数组数组

我通过将不同类型的元素添加到列表中并使用np.array(list)[:-1] 克服了这个问题。那么，这是一个错误，还是我错过了一些东西（比如 np.array() 参数等）？

一些例子：

>>> import numpy as np
>>> x = np.ones((3,2))
>>> y = np.ones((3,2))
>>> z = np.ones((3,3))
>>> a = np.ones((2,3))
>>> xyz = np.array([x,y,z])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: could not broadcast input array from shape (3,2) into shape (3)
>>> xza = np.array([x,z,a])
[array([[ 1.,  1.],
        [ 1.,  1.],
        [ 1.,  1.]]) 
 array([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]])
 array([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]])]
>>> xyz2 = np.array([x,y,z,'tmp'])[:-1]
[array([[ 1.,  1.],
        [ 1.,  1.],
        [ 1.,  1.]])
 array([[ 1.,  1.],
        [ 1.,  1.],
        [ 1.,  1.]])
 array([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]])]

Answer 1

在 1.9 版我得到不同的结果（错误）

3 个相同形状的数组产生预期的 3d 数组：

In [726]: np.array([np.ones((3,2)),np.ones((3,2)),np.ones((3,2))]).shape
Out[726]: (3, 3, 2)

但如果列不同，我会得到 3x3 对象数组，其中填充为 None：

In [727]: np.array([np.ones((3,2)),np.ones((3,2)),np.ones((3,3))])
Out[727]: 
array([[None, None, None],
       [None, None, None],
       [None, None, None]], dtype=object)

你的版本是什么？一个正在开发的区域的更多证据。这个测试敲响了警钟——我想我以前见过这样的问题。但我不确定如何搜索它。

匹配 github 问题：

https://github.com/numpy/numpy/issues/6591

根据您的评论：

https://github.com/numpy/numpy/issues/7103

引用了最近的一个 SO 问题（我一定看过）：

ValueError: cannot copy sequence with size 5 to array axis with dimension 2

---

如你所说，如果第一个维度不同，它会创建对象数组。

我最常看到的是一维数组或列表，例如

In [711]: np.array([[1,2,3],[2,3,4],[4,5,6]])
Out[711]: 
array([[1, 2, 3],
       [2, 3, 4],
       [4, 5, 6]])

In [712]: np.array([[1,2,3],[2,3,4],[4,5]])
Out[712]: array([[1, 2, 3], [2, 3, 4], [4, 5]], dtype=object)

我还建议创建一个 np.array((3,),dtype=object) 数组并填充它。

看起来它正在测试第一个维度的一致性，并开始填充它。您的错误表明它正在尝试进行一些广播，但我想不出一个可行的示例。

我们可以检查 numpy Github 问题。与对象数组相关的可能有很多种。这有点像后来者的组合，将 numpy 数组扩展到原来的统一多维概念之外。