为什么numpy的object类型嵌套数组无法与标量执行乘除运算？

问题原因 #

你构造的dtype=object的numpy数组中存储的元素是Python原生列表，原生列表不支持和标量直接做除法运算，所以触发类型错误。

解决方案 #

方案1：构造数组时直接存储numpy子数组 #

初始化嵌套数组时，把每个智能体对应的序列提前转为numpy数组，这样就可以直接对单个子数组做标量运算：

import numpy as np
# 构造时每个子元素都转为numpy数组
arrayofarrays = np.array([np.array([1,2,3]), np.array([1.1,6]), np.array([1])], dtype=object)
# 此时可正常运算单个智能体数组
print(2 / arrayofarrays[0]) 
# 输出：[2.         1.         0.66666667]
# 全量运算可通过遍历实现
result = np.array([2 / sub_arr for sub_arr in arrayofarrays], dtype=object)

方案2：已有object数组的转换方法 #

如果嵌套数组已经构造完成，内部存储的是原生列表，遍历每个子元素转为numpy数组后再做运算即可：

# 已有存储原生列表的object数组
arrayofarrays = np.array([[1,2,3],[1.1,6],[1]], dtype=object)
# 遍历转换后运算
result = [2 / np.array(sub_list) for sub_list in arrayofarrays]
# 如果需要保留object dtype的numpy数组格式
result_np = np.array(result, dtype=object)

方案3：对齐为规则二维数组（推荐，性能最优） #

如果你的业务场景可以接受用NaN填充短数组的空缺位置，建议把不等长的子数组合并为规则的二维numpy数组，不需要用object dtype，可以直接享受numpy的向量化运算加速，尤其在智能体数量大时性能提升非常明显：

arrayofarrays = np.array([[1,2,3],[1.1,6],[1]], dtype=object)
max_length = max(len(sub) for sub in arrayofarrays)
# 初始化全NaN的二维数组
padded_array = np.full((len(arrayofarrays), max_length), np.nan)
# 填充子数组内容
for idx, sub in enumerate(arrayofarrays):
    padded_array[idx, :len(sub)] = sub
# 直接全局运算，无需遍历
result = 2 / padded_array
print(result)
# 输出：
# [[2.                 1.                 0.66666667]
#  [1.81818182         0.33333333                nan]
#  [2.                        nan                nan]]

内容的提问来源于stack exchange，提问作者Ged