为何np.array对同操作的ndarray列表返回不同维度？

这俩情况的差异根源在np.array_split的分割逻辑和np.array()对不同形状子数组的处理规则：

• 第一种情况：121不能被5整除，np.array_split会生成长度不均的子数组。具体来说，121拆分后是25、25、24、24、23，对应每个子数组的shape是(25,3072)、(25,3072)、(24,3072)、(24,3072)、(23,3072)。因为这些子数组的第一维度长度不一样，np.array()没办法把它们堆叠成更高维的数组，只能把每个子数组当作单独的元素，最终生成一个shape为(5,)的一维object数组（数组里的每个元素是不同形状的ndarray）。

• 第二种情况：1000能被5整除，1000/5=200，所以每个子数组的shape都是(200,3072)，所有子数组的形状完全一致。这时候np.array()会自动把它们沿新的维度堆叠起来，最终得到shape为(5,200,3072)的三维数组。

你可以自己验证一下，比如在第一种情况里执行：

print([arr.shape for arr in train_folds_X])

就能看到每个子数组的形状确实不一样。

内容的提问来源于stack exchange，提问作者regaga