创建不同形状的数组的对象数组时，如何防止numpy广播

Question

我尝试dtype=object使用数组将不同形状的数组的列表存储为数组np.save（我知道我可以腌制该列表，但是我很好奇如何做到这一点）。如果我这样做：

import numpy as np
np.save('test.npy', [np.zeros((2, 2)), np.zeros((3,3))])

有用。但是这个：

np.save('test.npy', [np.zeros((2, 2)), np.zeros((2,3))])

给我一个错误：

ValueError: could not broadcast input array from shape (2,2) into shape (2)

我想首先np.save将列表转换为数组，所以我尝试了：

x=np.array([np.zeros((2, 2)), np.zeros((3,3))])
y=np.array([np.zeros((2, 2)), np.zeros((2,3))])

具有相同的效果（第一个起作用，第二个不起作用。结果x表现为预期的：

>>> x.shape
(2,)
>>> x.dtype
dtype('O')
>>> x[0].shape
(2, 2)
>>> x[0].dtype
dtype('float64')

我还尝试强制使用'object'dtype：

np.array([np.zeros((2, 2)), np.zeros((2,3))], dtype=object)

没有成功。似乎numpy尝试将具有相同一维的数组广播到新数组中，并且意识到它们的形状不同为时已晚。奇怪的是，它似乎只在某一点上起作用了-所以我真的很好奇差异是什么，以及如何正确地做到这一点。

---

编辑：我之前弄清楚了它的工作情况：唯一的区别似乎是列表中的numpy数组具有另一种数据类型。它适用于dtype('<f8')，但不适用dtype('float64')，我什至不知道有什么区别。

---

编辑2：我发现了一种非常非Python的方式来解决我的问题，我在这里添加了它，也许有助于理解我想做什么：

array_list=np.array([np.zeros((2, 2)), np.zeros((2,3))])
save_array = np.empty((len(array_list),), dtype=object)
for idx, arr in enumerate(array_list):
    save_array[idx] = arr
np.save('test.npy', save_array)

Answer 1

首先要做的事情之一np.save是

arr = np.asanyarray(arr)

所以是的，它正在尝试将您的列表变成数组。

从任意大小的数组或列表构造对象数组很棘手。 np.array(...)尝试创建尽可能高的维度数组，甚至尝试连接输入（如果可能）。最可靠的方法是执行您所做的操作-制作empty数组并填充它。

构造对象数组的一种更紧凑的方法：

In [21]: alist = [np.zeros((2, 2)), np.zeros((2,3))]
In [22]: arr = np.empty(len(alist), dtype=object)
In [23]: arr[:] = alist
In [24]: arr
Out[24]: 
array([array([[ 0.,  0.],
       [ 0.,  0.]]),
       array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.]])], dtype=object)

这是3种情况：

形状匹配的数组合并为3d数组：

In [27]: np.array([np.zeros((2, 2)), np.zeros((2,2))])
Out[27]: 
array([[[ 0.,  0.],
        [ 0.,  0.]],

       [[ 0.,  0.],
        [ 0.,  0.]]])
In [28]: _.shape
Out[28]: (2, 2, 2)

在第一个维度上不匹配的数组-创建对象数组

In [29]: np.array([np.zeros((2, 2)), np.zeros((3,2))])
Out[29]: 
array([array([[ 0.,  0.],
       [ 0.,  0.]]),
       array([[ 0.,  0.],
       [ 0.,  0.],
       [ 0.,  0.]])], dtype=object)
In [30]: _.shape
Out[30]: (2,)

和尴尬的中间情况（甚至可能被描述为错误）。第一个尺寸匹配，但第二个尺寸不匹配）：

In [31]: np.array([np.zeros((2, 2)), np.zeros((2,3))])
...
ValueError: could not broadcast input array from shape (2,2) into shape (2)
       [ 0.,  0.]])], dtype=object)

好像它初始化了一个(2,2,2)数组，然后发现（2,3）不适合。而且当前的逻辑不允许它像在先前场景中那样备份和创建对象数组。

如果要将两个（2,2）数组放入对象数组，则必须使用创建和填充逻辑。