Python ValueError:使用序列设置数组元素。如何将我的功能重新安排到np.array？

我有一些像这样的

功能

[数组（[-725.91003,51.094467,14.295977，…-1.7903049，
-1.7903049，-1.7903049]，数据类型=32），
阵列（[-7.5625812e+02，7.8090454e+01，-2.7161818e+00。。。，
-4.3733236e-01，-4.3733236e-01，-4.3733236e-01]，dtype=float32），
阵列（[-748.3388,73.042336,3.2872062，…，0.7631229，
0.7631229,0.7631229]，数据类型=float32），
阵列（[-727.7924104.6542,5.8776445，…-1.7250983，
-1.7250983，-1.7250983]，数据类型=float32），
阵列（[-626.4832,49.174232，-17.049093，…-1.8033456，
-1.8033456，-1.8033456]，数据类型=32），
阵列（[-7.2422760e+02，1.0093343e+02，1.8611973e+01。。。，
5.7193387e-01、5.7193387e-01、5.7193387e-01]，数据类型=浮动32），
阵列（[-7.6023083e+02，7.8462936e+01，-7.6474414e+00。。。，
2.0393424e-01、2.0393424e-01、2.0393424e-01]，dtype=32），
阵列（[-732.217111.95129,7.088293，…-0.8722699，
-0.8722699，-0.8722699]，dtype=float32），
阵列（[-7.2999091e+02，5.53156899E+01，6.6589708e+00。。。，
-5.7534605e-01，-5.7534605e-01，-5.7534605e-01]，数据类型=浮动32），
阵列（[-7.5546600e+02，7.5549866e+01，-1.7497752e+00。。。，
1.6348878e-01、1.6348878e-01、1.6348878e-01]，dtype=32），
阵列（[-735.93207,67.90759,5.9061728，…-0.7860311，
-0.7860311，-0.7860311]，数据类型=浮动32），
阵列（[-7.5995685e+02，6.4485733e+01，5.4719698e-01。。。，
-4.0942365e-01，-4.0942365e-01，-4.0942365e-01]，数据类型=浮动32），
阵列（[-7.2625726e+02，7.6061371e+01，2.1122944e+01。。。，
6.2402117e-01、6.2402117e-01、6.2402117e-01]，数据类型=32）]

我怎样才能把它们按正确的顺序排列呢。我想要一个外部的
np.array
，里面的所有数组都必须成为列表。我想把这个
np.array
放到PCA中。一般来说，我希望它们是
np.array
格式，但方式正确

那我想做点类似的事情

pca=pca（n_分量=2）
f2d=pca.fit_变换（特征）

如果我用我的初始格式这样做，我会收到一条错误消息

ValueError: setting an array element with a sequence.

根据
fit\u变换（X，y=None）
需要：

X:Xarray-like，shape（n_样本，n_特征）训练数据，其中
n_samples是样本数，n_features是样本数
特征

因此，在您的情况下，您希望通过以下方式将1D
ndarray
列表转换为2D
ndarray
：

features=np.array（features）

您不需要将其转换为列表的1D
ndarray
。
根据
fit\u变换（X，y=None）
需要：

X:Xarray-like，shape（n_样本，n_特征）训练数据，其中
n_samples是样本数，n_features是样本数
特征

因此，在您的情况下，您希望通过以下方式将1D
ndarray
列表转换为2D
ndarray
：

features=np.array（features）

你不需要把它变成列表的1D
ndarray
。
基本上，我找到了问题所在。问题是
特性的每个数组都有不同的长度。因此，如果我做
np.array（feautures）
，这并不完全是一个“矩阵”，因此
PCA
无法理解这个对象是什么

我想我必须改变我的算法前面的一些部分，这样每个
feautures
数组都有相同的长度。
基本上，我找到了问题所在。问题是
特性的每个数组都有不同的长度。因此，如果我做
np.array（feautures）
，这并不完全是一个“矩阵”，因此
PCA
无法理解这个对象是什么

我想我必须改变我算法前面的一些部分，这样每个
feautures
数组都有相同的长度。
现在你有一个数组列表，你想要一个列表数组吗？为什么不是二维阵列？为什么不是一个1D数组，其中第一个X元素是第一个数组的特征，等等？为什么不给我们看一下分类器，这样我们就能更好地理解正确的方法是什么？您同时列出了Python2和Python3。如果不是针对特定版本，只需保留python标记即可。如果这是关于机器学习的，添加任何相关的标签。我想要一个np.array，类似于
np.array（[…]，[…]，[…]）
是的，你在问题中也说了很多。但我不明白你为什么想做那样的事。你问题中的结构和你想要的结果都可以类似地迭代/访问。好的，基本上我想先做一个PCA（然后我将打破它来训练和测试使用分类器）。所以我想做一些类似的事情
pca=pca（n\u components=2）
f2d=pca.fit\u transform（features）
我修正了主文本，ta更清楚我想要什么。现在你有一个数组列表，你想要一个列表数组？为什么不是二维阵列？为什么不是一个1D数组，其中第一个X元素是第一个数组的特征，等等？为什么不给我们看一下分类器，这样我们就能更好地理解正确的方法是什么？您同时列出了Python2和Python3。如果不是针对特定版本，只需保留python标记即可。如果这是关于机器学习的，添加任何相关的标签。我想要一个np.array，类似于
np.array（[…]，[…]，[…]）
是的，你在问题中也说了很多。但我不明白你为什么想做那样的事。你问题中的结构和你想要的结果都可以类似地迭代/访问。好的，基本上我想先做一个PCA（然后我将打破它来训练和测试使用分类器）。所以我想做这样的事情
pca=pca（n\u components=2）