为何将Python嵌套列表转NumPy数组仅在特定场景报错？

为什么会报错？ #

当你指定dtype=object时，NumPy并不会直接跳过数组形状检查——它会先尝试将输入的子数组拼接成一个规则的多维数组。当所有子数组的行数相同（比如报错案例里都是2行），NumPy会默认尝试构造一个2维数组：第一个子数组形状是(2,4)，后面的是(2,2)，列数不匹配导致广播失败，所以抛出ValueError。

而当子数组行数不同时，NumPy发现无法拼成规则的多维数组，才会退而创建一个元素为数组的对象数组，这就是可行代码能正常运行的原因。

解决办法 #

方法1：手动初始化对象数组并赋值

先创建一个指定长度的空对象数组，再逐个把元素放进去，跳过NumPy的自动拼接逻辑：

import numpy as np
myarray = [np.array([[1,2,3,4],[5,6,7,8]]), np.array([[9,10],[11,12]]), np.array([[13,14],[15,16]])]

# 初始化空的对象数组
obj_array = np.empty(len(myarray), dtype=object)
# 逐个赋值
for idx, arr in enumerate(myarray):
    obj_array[idx] = arr

方法2：打破自动拼接的触发条件

把其中一个子数组转换成列表，让NumPy无法识别出统一的行数，从而退回到对象数组的创建逻辑：

import numpy as np
myarray = [np.array([[1,2,3,4],[5,6,7,8]]).tolist(), 
           np.array([[9,10],[11,12]]), 
           np.array([[13,14],[15,16]])]
np.array(myarray, dtype=object)

内容的提问来源于stack exchange，提问作者Arran