Python 创建数组时被奇数错误迷惑

与

为什么

foo_ok = [(30, 784), (10, 30)]
foo_bad = [(10, 784), (10, 10)]

工作时间

np.array([np.zeros(foo_ok[0]),np.zeros(foo_ok[1])])

导致

ValueError:无法将输入数组从形状（10784）广播到形状（10）

---

基本上，我需要使用

foo=[（X，Z），（Y，X）]

形式的东西，这里可能是

Y==X

；但是拥有

Y==X

会导致失败。

根据编辑的问题编辑答案

基本上，问题取决于第一个轴何时与两个阵列匹配。下面是一个可复制的示例：

np.array([np.zeros(foo_bad[0]),np.zeros(foo_bad[1])])

如果我们构建前2个阵列：

foo_ok = [(30, 784), (10, 30)]
foo_ok2 = [(30, 784), (30, 784)]
foo_bad = [(10, 784), (10, 10)]

我们可以看到，生成的数组不同：

a = np.array([np.zeros(foo_ok[0]),np.zeros(foo_ok[1])])
b = np.array([np.zeros(foo_ok2[0]),np.zeros(foo_ok2[1])])

c = np.array([np.zeros(foo_bad[0]),np.zeros(foo_bad[1])]) # ERROR

此处

foo_ok2[0]

和

foo_ok2[1]

具有相同的值，因此，它将创建两个形状相同的数组。Numpy足够聪明，可以在两个具有相同维度的数组出现时处理数组连接，并且生成的

b

数组是形状

（2,30784）

的连接。但是，生成的数组

a

只是一个类型为

object

的数组，包含2个元素。列表的每个元素都是一个不同的数组（就像它是一个原始python列表一样）

Numpy没有优化以处理

对象

数组，因此，只要可能，它就会尝试将数组转换为数字数据类型

这就是发生的情况，然后两个数组的第一个维度在

c

中匹配。Numpy希望所有维度都匹配，因此抛出一个

I无法连接这个
异常


尽管我仍然鼓励不要在对象类型中使用numpy数组，但即使第一个轴匹配，而数组具有不同的形状，也有一种肮脏的方法可以创建一个：

>>> print a.shape, a.dtype, a[0].shape, a[1].shape
(2,), dtype('O'), (30, 784), (10, 30)

>>> print b.shape, b.dtype, b[0].shape, b[1].shape
(2, 30, 784), dtype('float64'), (30, 784), (30, 784)

和它的另一个版本（与您的语法密切相关）：

等一下。我的错误可能在别处。在你进一步投资之前，让我先回顾一下。@raxacoricofallapatorius刚刚编辑了一些可能有用的东西。可能是
zero
->
zero\u喜欢
？编辑以简化并使问题更清楚
zero\u like
不起作用。我正在寻找与我使用
foo_ok
得到的等价物，只是将相关维度从30更改为10。基本上，我需要使用
foo=[（X，Z），（Y，X）]
形式的东西，可能是
Y==X
。但是我不明白为什么拥有
Y==X
会导致事情失败。@raxacoricofallapatorius简言之，你不应该拥有这种类型的numpy数组。Numpy没有优化以处理
对象
数组。为此，请使用原始python列表。
>>> c = np.array([np.zeros(foo_bad[0]), None])
>>> c[1] = np.zeros(foo_bad[1])

>>> print c.shape, c.dtype, c[0].shape, c[1].shape
(2,), dtype('O'), (10, 784), (10, 10)

>>> c = np.empty((2,), dtype=np.object)
>>> c[:] = [np.zeros(foo_bad[0]), np.zeros(foo_bad[1])]

>>> print c.shape, c.dtype, c[0].shape, c[1].shape
(2,), dtype('O'), (10, 784), (10, 10)