NumPy中如何在类内初始化数组以按索引赋值不同维度子数组？

你之前初始化的np.zeros(2)默认是float64类型的数值数组，每个位置仅允许存储单个标量浮点数，直接给位置赋不同维度的数组（序列类型）自然会触发ValueError: setting an array element with a sequence的类型不匹配错误。
你要存储异构维度数组的场景，对应的是NumPy的对象型数组——这类数组的每个元素可以存放任意Python对象，包括不同shape的NumPy数组。

• 最贴合需求的写法：申请指定对象类型的空容器
  不需要预填充0值，直接初始化长度为2、元素类型为object的空数组，后续直接按索引赋值即可：

  state_vek = np.empty(2, dtype=object)
  state_vek[0] = array1
  state_vek[1] = array2
  

• 备选占位写法：用None初始化等价结构

  state_vek = np.array([None, None], dtype=object)
  

  两种写法后续的索引赋值逻辑完全没有区别。

• 这种初始化方式得到的结果，和你最开始直接写np.array([array1, array2])生成的结构完全一致：当传入的两个子数组维度不匹配时，NumPy本来就会自动推导为object类型，不会强行把不同shape的数组拼接成同维数值数组。
• 对象数组本质是带NumPy接口的Python对象容器，不支持NumPy原生的向量化数值运算优化，仅适合单纯存储异构数组的场景，不适合后续做高性能批量数值计算。

内容的提问来源于stack exchange，提问作者Qilos