强制numpy创建对象数组

Question

我有一个数组：

x = np.array([[1, 2, 3], [4, 5, 6]])

我想创建的另一个数组shape=(1, 1)和dtype=np.object其唯一的元素为x。

我已经试过这段代码：

a = np.array([[x]], dtype=np.object)

但是它会产生一系列形状(1, 1, 2, 3)。

我当然可以做：

a = np.zeros(shape=(1, 1), dtype=np.object)
a[0, 0] = x

但我希望该解决方案能够轻松扩展到更大的a形状，例如：

[[x, x], [x, x]]

无需for在所有索引上运行循环。

有什么建议可以做到这一点吗？

UPD1

数组可能不同，如：

x = np.array([[1, 2, 3], [4, 5, 6]])
y = np.array([[7, 8, 9], [0, 1, 2]])
u = np.array([[3, 4, 5], [6, 7, 8]])
v = np.array([[9, 0, 1], [2, 3, 4]])
[[x, y], [u, v]]

它们也可能具有不同的形状，但是对于那种情况，一个简单的np.array([[x, y], [u, v]])构造函数就可以了

UPD2

我真的想要一种可以处理任意x, y, u, v形状（不一定都一样）的解决方案。

Answer 1

这是一个非常通用的方法：它适用于嵌套列表，数组列表列表-
不管这些数组的形状是不同还是相等。当数据聚集在一个单独的阵列中时，它也是有效的，这实际上是最棘手的情况。（到目前为止发布的其他方法在这种情况下不起作用。）

让我们从困难的情况开始，一个大数组：

# create example
# pick outer shape and inner shape
>>> osh, ish = (2, 3), (2, 5)
# total shape
>>> tsh = (*osh, *ish)
# make data
>>> data = np.arange(np.prod(tsh)).reshape(tsh)
>>>
# recalculate inner shape to cater for different inner shapes
# this will return the consensus bit of all inner shapes
>>> ish = np.shape(data)[len(osh):]
>>> 
# block them
>>> data_blocked = np.frompyfunc(np.reshape(data, (-1, *ish)).__getitem__, 1, 1)(range(np.prod(osh))).reshape(osh)
>>> 
# admire
>>> data_blocked
array([[array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]]),
        array([[10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]]),
        array([[20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29]])],
       [array([[30, 31, 32, 33, 34],
       [35, 36, 37, 38, 39]]),
        array([[40, 41, 42, 43, 44],
       [45, 46, 47, 48, 49]]),
        array([[50, 51, 52, 53, 54],
       [55, 56, 57, 58, 59]])]], dtype=object)

使用OP的示例，它是数组列表的列表：

>>> x = np.array([[1, 2, 3], [4, 5, 6]])
>>> y = np.array([[7, 8, 9], [0, 1, 2]])
>>> u = np.array([[3, 4, 5], [6, 7, 8]])
>>> v = np.array([[9, 0, 1], [2, 3, 4]])
>>> data = [[x, y], [u, v]]
>>> 
>>> osh = (2,2)
>>> ish = np.shape(data)[len(osh):]
>>> 
>>> data_blocked = np.frompyfunc(np.reshape(data, (-1, *ish)).__getitem__, 1, 1)(range(np.prod(osh))).reshape(osh)
>>> data_blocked
array([[array([[1, 2, 3],
       [4, 5, 6]]),
        array([[7, 8, 9],
       [0, 1, 2]])],
       [array([[3, 4, 5],
       [6, 7, 8]]),
        array([[9, 0, 1],
       [2, 3, 4]])]], dtype=object)

还有一个具有不同形状子数组的示例（请注意v.T）：

>>> data = [[x, y], [u, v.T]]
>>> 
>>> osh = (2,2)
>>> ish = np.shape(data)[len(osh):]
>>> data_blocked = np.frompyfunc(np.reshape(data, (-1, *ish)).__getitem__, 1, 1)(range(np.prod(osh))).reshape(osh)>>> data_blocked
array([[array([[1, 2, 3],
       [4, 5, 6]]),
        array([[7, 8, 9],
       [0, 1, 2]])],
       [array([[3, 4, 5],
       [6, 7, 8]]),
        array([[9, 2],
       [0, 3],
       [1, 4]])]], dtype=object)