NumPy创建数组对象数组时广播行为不一致问题问询

np.array创建数组时的默认处理逻辑优先级为：尝试堆叠生成同类型多维度数值数组 > 生成object类型数组，你传入的dtype=np.ndarray本质等价于dtype=object，不会改变这个前置的堆叠判断逻辑：

1. 触发报错的场景：两个子数组a(shape=(1,2))、b(shape=(1,3))的第0维长度一致，都是1，NumPy会判定两个数组可以尝试沿更高维度堆叠，于是尝试对齐后续维度，发现第1维长度2和3无法广播匹配，最终抛出广播错误。
2. 正常返回的场景：两个子数组a(shape=(1,2))、b(shape=(2,4))的第0维长度就不一致（1 vs 2），NumPy直接判定无法堆叠为同维度数值数组，直接回退生成object数组，把两个子数组作为独立元素存入，符合你的预期。

这个行为是NumPy的原生设计逻辑，和你使用的1.21.2版本无关，后续正式版本也保留了该处理逻辑。

最稳妥的方案是避开np.array的自动堆叠逻辑，先创建空的object数组再手动赋值，适配所有子数组形状场景：

import numpy as np
a = np.ones((1, 2))
b = np.ones((1, 3))

# 先创建长度匹配的空object数组
res = np.empty(len([a, b]), dtype=object)
# 批量赋值，不会触发广播判断
res[:] = [a, b]

运行后即可得到你预期的输出：

array([array([[1., 1.]]), array([[1., 1., 1.]])], dtype=object)

如果需要处理大量元素，可以用np.fromiter简化写法：

res = np.fromiter([a, b], dtype=object)

内容的提问来源于stack exchange，提问作者Louis Hulot