如何在Python NumPy二维数组中存储一维列表作为元素？

你用np.zeros((N,N))创建的是float类型的二维数组，每个元素位置只能存储单个数值，没法直接放列表，所以赋值[x[i],y[j]]时会触发类型不匹配的错误。下面给两种可行的解决方法：

方案1：创建三维numpy数组（推荐） #

如果不需要严格的Python列表，只是需要每个位置存储两个数值，直接把数组形状设为(N, N, 2)，这样每个temp[i,j]就是长度为2的numpy子数组，完全符合需求，而且numpy的数组操作更高效：

import numpy as np

N = 3
x = np.linspace(0,10,N)
y = np.linspace(0,10,N)

# 创建形状为(N,N,2)的三维数组，初始值为0
temp = np.zeros((N, N, 2))

# 循环赋值方式
for i in range(N):
    for j in range(N):
        temp[i, j] = [x[i], y[j]]

# 更高效的无循环方式（推荐）
temp = np.stack(np.meshgrid(x, y, indexing='ij'), axis=-1)

np.meshgrid会生成x和y的网格矩阵，再用np.stack在最后一维合并，直接得到目标数组，比循环效率高很多。

方案2：创建object类型的数组（存储Python列表） #

如果必须让每个元素是Python列表，需要创建dtype为object的数组，这样每个位置可以存放任意Python对象：

import numpy as np

N = 3
x = np.linspace(0,10,N)
y = np.linspace(0,10,N)

# 创建object类型的二维数组
temp = np.empty((N, N), dtype=object)

for i in range(N):
    for j in range(N):
        temp[i, j] = [x[i], y[j]]

注意：这种方式会失去numpy数组的数值计算优势，因为每个元素是Python对象，操作效率较低，除非有特殊需求，不建议使用。

内容的提问来源于stack exchange，提问作者Miłosz Wiśniewski