如何将不同形状的Numpy整数组而非元素追加到目标数组中

解决方案核心 #

你需要将目标数组指定为object类型，这类numpy数组支持将任意形状、类型的子数组作为单个独立元素存储，刚好适配你的需求。 #

方法1：一次性构造（推荐） #

如果所有待存入的数组已经确定，直接把它们放在Python列表中再转换为dtype=object的numpy数组即可，性能最优。

import numpy as np

# 定义待存入的子数组
B = np.array([1,2])
C = np.array(["hey"])
D = np.array([])

# 直接构造目标数组
A = np.array([B, C, D], dtype=object)

# 验证输出
print(A.tolist())
# 输出：[[1, 2], ['hey'], []]

方法2：动态追加 #

如果需要逐步往空数组里追加元素，初始化时就指定dtype=object，再用np.append操作即可：

import numpy as np

# 初始化空的object类型数组
A = np.array([], dtype=object)
B = np.array([1,2])
C = np.array(["hey"])
D = np.array([])

# 逐个追加子数组
A = np.append(A, B)
A = np.append(A, C)
A = np.append(A, D)

# 验证输出
print(A.tolist())
# 输出：[[1, 2], ['hey'], []]

原方法失败原因 #

你之前用append、concatenate、stack等方法失败，是因为numpy默认创建同质数组，要求所有元素的形状、数据类型一致，这类函数默认会尝试沿现有维度拼接数组内容，而不是把传入的数组当作独立元素存入。

注意事项 #

object类型的数组无法享受numpy的大部分向量化运算优化，如果后续不需要对A做批量数值运算，直接用Python列表存储这些子数组会更灵活，性能也更好。

内容的提问来源于stack exchange，提问作者Quasi