numpy布尔索引赋值向量对象时2D正常1D报错的解决方法

你遇到的报错本质是numpy赋值时的自动类型推断歧义，核心逻辑如下：

1. 你初始化的a是shape=(2,)的一维object数组，使用a[True, True]索引时，两个布尔值会分别广播到两个轴，最终得到shape=(1,2)的二维数组视图。
2. 赋值时numpy会优先尝试将右侧列表b转换为数值型数组：
   • 第一个示例中b的两个元素shape为(1,3)和(2,4)，前两个维度均不匹配，numpy无法合并为数值数组，只能转为shape=(2,)的object数组，刚好可以广播匹配(1,2)的左值，因此赋值成功。
   • 第二个示例中b的两个元素第一个维度均为1，numpy会尝试将它们堆叠为(2,1,...)的数组，此时第二个维度长度不一致无法合并，就会抛出维度不匹配的错误。

方案1：显式指定右侧为object数组 #

强制numpy不要尝试将b合并为数值数组，直接作为object元素赋值：

a = np.array([None] * 2)
b = [np.ones(shape=[1, 3]), np.ones(shape=[1, 4])]
a[True, True] = np.array(b, dtype=object)

方案2：简化索引避免广播歧义 #

如果你只是要给a的所有元素赋值，直接使用一维索引即可，不需要加多余的布尔索引：

a = np.array([None] * 2)
b = [np.ones(shape=[1, 3]), np.ones(shape=[1, 4])]
a[:] = b

内容的提问来源于stack exchange，提问作者Jasper Uijlings