如何将元素为列表的numpy object数组转换为int类型二维数组

问题原因 #

你直接调用np.array(a)未生效的核心原因是：输入参数a本身已经是numpy数组类型，np.array()默认不会对已有numpy数组的内层object元素做拆解，只会原封不动保留原有结构和dtype。

正确转换方案 #

• 方案1：先转嵌套列表再重构造数组（兼容所有numpy版本）
  核心代码：

  new_a = np.array(a.tolist(), dtype=int)
  

  逻辑说明：tolist()方法会把外层numpy数组、内层存储的列表对象全部转为标准Python嵌套列表，传入np.array()时会自动识别二维结构，配合dtype=int参数即可完成类型转换。

• 方案2：使用np.stack堆叠内层元素（适用于numpy 1.23及以上版本）
  核心代码：

  new_a = np.stack(a, dtype=int)
  

  逻辑说明：np.stack()会遍历原数组的每个元素（即内层的列表），将它们按行堆叠为二维数组，同时通过指定dtype直接得到int类型的数组。

注意事项 #

两种方案都要求原数组中所有内层列表的长度完全一致，否则转换后依然会得到object类型的数组。

验证示例 #

import numpy as np
# 构造与你一致的原始数组
a = np.array([[52, 584, 78], [35, 140, 584]], dtype=object)
print("原数组：\n", a)
# 输出：array([list([52, 584, 78]), list([35, 140, 584])], dtype=object)

# 用方案1转换
new_a = np.array(a.tolist(), dtype=int)
print("转换后数组：\n", new_a)
# 输出：
# [[ 52 584  78]
#  [ 35 140 584]]
print("转换后dtype：", new_a.dtype)
# 输出：int32/int64（根据系统架构略有差异，均为int类型）

内容的提问来源于stack exchange，提问作者alryosha