运行歌曲推荐代码遇NumPy非均匀形状报错，无法降级版本求解决

为啥会报错？ #

NumPy 1.25版本开始，对创建形状不均匀的数组限制更严格了。你的song_vectors里应该是装了5个长度不一样的子向量，直接转np.array()的时候就会触发这个错误。

可行修复方案 #

1. 先把所有向量长度统一 #

先检查song_vectors里每个元素的长度，把它们改成一致的。比如Spotify常用的音频特征是13个，就按这个标准来：

# 先过滤掉长度不对的向量，或者补全/截断
target_length = 13  # 根据你的实际特征数调整
standardized_vectors = []
for vec in song_vectors:
    if len(vec) < target_length:
        # 短的用0补全到目标长度
        fixed_vec = np.pad(vec, (0, target_length - len(vec)), mode='constant')
    elif len(vec) > target_length:
        # 长的直接截断
        fixed_vec = vec[:target_length]
    else:
        fixed_vec = vec
    standardized_vectors.append(fixed_vec)
# 现在转数组就没问题了
song_array = np.array(standardized_vectors)

2. 强制用object类型创建数组（非数值运算场景可用） #

如果业务逻辑必须保留不同长度的向量，那就指定dtype=object绕开形状检查：

song_array = np.array(song_vectors, dtype=object)

但注意这种数组没法直接做数值运算，求均值的时候得单独处理：

def get_mean_vector(song_vectors):
    # 先把所有向量补全到最长的那个长度
    max_len = max(len(vec) for vec in song_vectors)
    padded_vecs = [np.pad(vec, (0, max_len - len(vec)), mode='constant') for vec in song_vectors]
    return np.mean(padded_vecs, axis=0)

3. 跳过数组转换，直接用列表算均值 #

如果没必要转成NumPy数组，直接用列表处理更省心：

def get_mean_vector(song_vectors):
    max_len = max(len(v) for v in song_vectors)
    # 统一长度后再算均值
    padded = [np.pad(v, (0, max_len - len(v)), 'constant') for v in song_vectors]
    return np.mean(padded, axis=0)

额外要查的点 #

• 看看Spotify API返回的特征是不是有缺失，导致某些向量少了字段
• 检查数据预处理的代码，有没有哪里把特征长度改坏了

内容的提问来源于stack exchange，提问作者Harshit Sharma