在NumPy中创建不同维度的数组构成的数组时遇到问题

哈哈，这个问题我之前也踩过坑！本质是NumPy创建数组时的自动规整逻辑在搞鬼，咱们一步步拆解：

两种场景的底层逻辑差异 #

1. 子数组第一维度完全不同时 #

比如你创建这样的数组：

import numpy as np
arr1 = np.array([1, 2])  # 维度(2,)
arr2 = np.array([[1,2,3], [4,5,6], [7,8,9]])  # 维度(3,3)
mixed_arr = np.array([arr1, arr2])

这时候NumPy会发现：两个子数组的第一维度（2 vs 3）完全不搭，根本没法拼成一个规整的多维数组（比如(2,3)或者(3,2)这种）。于是它会退而求其次，创建一个对象类型数组（dtype=object），把每个子数组当成独立的Python对象存进去，自然不会报错。

2. 子数组第一维度相同时 #

但如果两个子数组第一维度一致，比如：

arr1 = np.array([1, 2])  # 维度(2,)
arr2 = np.array([[1,2], [3,4]])  # 维度(2,2)
mixed_arr = np.array([arr1, arr2])

这时候NumPy的“强迫症”就犯了：它会默认尝试创建一个同质多维数组（所有元素维度统一，这样才能发挥NumPy向量化运算的优势）。它看到两个子数组第一维度都是2，就会想“能不能把它们拼成一个(2, N)的二维数组？”

但arr1是一维的(2,)，arr2是二维的(2,2)，后续维度不匹配，拼接失败，于是就抛出了维度不兼容的错误。

解决方法：强制创建对象数组 #

如果你就是想存不同维度的子数组，不管第一维度是否相同，只需要显式指定dtype=object，告诉NumPy“别瞎规整，就把它们当对象存”：

arr1 = np.array([1, 2])
arr2 = np.array([[1,2], [3,4]])
mixed_arr = np.array([arr1, arr2], dtype=object)

这样就能正常生成包含不同维度子数组的数组了，每个元素都是独立的NumPy数组对象。

内容的提问来源于stack exchange，提问作者Ale152