如何强制Numpy将元素视为对象而非自动转为多维数组

当所有子数组形状相同时，直接使用np.array([subarrays], dtype=object)会被NumPy自动优化为多维数组，而我们需要保留元素为独立数组的对象数组格式以适配数据库库。以下是几种可行的解决方法：

方法1：先初始化空对象数组再填充 #

这是最直接且可靠的方式，先创建指定长度的空对象数组，再将子数组逐个赋值进去：

import numpy as np

# 准备要存储的子数组列表
sub_arrays = [np.array([1., 2., 3.]), np.array([4., 5., 6.])]

# 初始化空的对象数组
obj_array = np.empty(len(sub_arrays), dtype=object)

# 将子数组赋值到对象数组中
obj_array[:] = sub_arrays

print(obj_array)
# 输出：array([array([1., 2., 3.]), array([4., 5., 6.])], dtype=object)

方法2：插入临时元素打破形状一致性（临时 hack 方式） #

通过插入一个非数组类型的临时元素，让NumPy无法优化为多维数组，之后再移除该元素：

import numpy as np

# 插入None作为临时元素，避免被优化
temp_array = np.array([np.array([1.,2.,3.]), None, np.array([4.,5.,6.])], dtype=object)

# 删除临时元素
obj_array = np.delete(temp_array, 1)

print(obj_array)
# 输出：array([array([1., 2., 3.]), array([4., 5., 6.])], dtype=object)

方法3：使用np.fromiter构造对象数组 #

利用np.fromiter直接从迭代器构造对象数组，指定dtype=object：

import numpy as np

sub_arrays = [np.array([1., 2., 3.]), np.array([4., 5., 6.])]

obj_array = np.fromiter(sub_arrays, dtype=object)

print(obj_array)
# 输出：array([array([1., 2., 3.]), array([4., 5., 6.])], dtype=object)

以上方法都能成功创建元素为独立数组的对象数组，满足数据库库的格式要求。

内容的提问来源于stack exchange，提问作者L1RG0