如何使用np.zeros(object类型)存储多份同数组且避免循环？

你遇到的错误本质是：temp是形状为(10,)的object类型数组，arr是(5,)的数值数组，NumPy无法对这两种形状执行广播乘法，因此抛出形状不匹配的错误。而且用object类型数组存储多个子数组并非NumPy处理这类需求的最优方式，以下是几种更高效的实现方案：

方案1：用np.tile直接生成目标二维数组 #

这是最直观的方式，直接将原数组沿指定轴重复：

import numpy as np

arr = np.array([1.1,1.2,1.3,1.4,1.5])
res = np.tile(arr, (10, 1))

np.tile(arr, (10,1))表示将arr沿第0轴（行方向）重复10次，第1轴（列方向）重复1次，最终得到形状为(10,5)的二维数值数组，完全符合你的期望。

方案2：利用广播机制（内存高效） #

如果你的场景以只读操作为主，不需要实际复制数据，可以用np.broadcast_to生成视图，避免额外内存开销：

res = np.broadcast_to(arr, (10, 5))

该方法不会创建数据副本，所有行都是原数组的引用。如果后续需要修改数组内容，可调用res.copy()生成独立的副本数组。

方案3：通过维度扩展+repeat实现 #

先给原数组增加一个维度，再沿行方向重复：

res = arr[np.newaxis, :].repeat(10, axis=0)

arr[np.newaxis, :]将原(5,)数组转换为(1,5)的二维数组，再通过repeat(10, axis=0)将行维度重复10次，最终得到(10,5)的二维数组。

方案4：若坚持使用object类型数组 #

如果必须基于np.zeros(n, dtype=object)初始化，可通过批量赋值实现（无需循环）：

temp = np.zeros(10, dtype=object)
arr = np.array([1.1,1.2,1.3,1.4,1.5])
# 若需要每个子数组独立，使用copy避免引用同一对象
temp[:] = [arr.copy() for _ in range(10)]
# 若无需独立副本，可简化为 temp[:] = [arr]*10（但修改任意子数组会影响所有）

注意：这种方式生成的是一维object数组，每个元素是独立的一维数组，和前三种方案的二维数值数组结构不同，仅适合特殊场景。

内容的提问来源于stack exchange，提问作者ak1504