当嵌套数组维度相同时，如何构建数组的列表的数组？

我明白你遇到的问题了——当你尝试把包含不同长度子列表的嵌套数组转成numpy数组时，结果并不是你想要的规整多维数组，反而变成了一堆包含list的object数组对吧？咱们来一步步拆解问题，找到合适的解决方案。

问题根源 #

先看你写的代码：

import numpy as np
foo = [[np.array([4. , 0. , 0.1]), np.array([5. , 0. , 0.1])], [np.array([6. , 0. , 0.5])], [], [], []]
foo = np.array(foo)

numpy在转换嵌套序列时，会优先尝试构建规整的多维数组，但你的子列表长度不一致（第一个子列表有2个数组，第二个有1个，剩下的是空），numpy无法把这些元素统一成一个连续的多维数组结构，所以只能退而求其次，把每个子列表当成单独的object元素，最终得到一个dtype=object的数组，这就是你看到的array([list([...]), list([...]), ...])结果。

解决方案 #

根据你的需求，分两种情况处理：

1. 想要得到规整的多维数组 #

如果希望最终结果是一个维度固定的numpy数组，那需要先把所有子列表补全到相同长度，用占位值填充缺失的位置（比如np.nan或者自定义的默认数组）：

import numpy as np

foo = [[np.array([4. , 0. , 0.1]), np.array([5. , 0. , 0.1])], [np.array([6. , 0. , 0.5])], [], [], []]

# 找到最长的子列表长度，作为补全后的统一长度
max_sublist_len = max(len(sublist) for sublist in foo)
# 每个子列表补全到max_sublist_len长度，用3维的nan数组填充缺失项
padded_foo = [
    sublist + [np.full(3, np.nan)] * (max_sublist_len - len(sublist))
    for sublist in foo
]
# 转换为规整的多维数组
result = np.array(padded_foo)
print(result.shape)  # 输出 (5, 2, 3)，符合预期的三维数组

2. 保留嵌套结构，使用object类型数组 #

如果不需要规整的多维数组，只是想把嵌套结构用numpy数组封装起来，方便后续操作，那可以明确指定dtype=object来转换：

import numpy as np

foo = [[np.array([4. , 0. , 0.1]), np.array([5. , 0. , 0.1])], [np.array([6. , 0. , 0.5])], [], [], []]
foo_array = np.array(foo, dtype=object)

# 可以像访问列表一样操作元素
print(foo_array[0][1])  # 输出 array([5., 0., 0.1])

这种方式保留了原有的嵌套结构，每个元素都是原来的子列表，适合不需要统一维度的场景。

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