有没有一种方法可以用不同长度的行来定义numpy中的矩阵（比如说m），但是m保持2维（即m.ndim = 2）？
例如，如果你定义m = numpy.array（[[1,2,3]，[4,5]]），那么m.ndim = 1.我理解为什么会发生这种情况，但是如果有的话我很感兴趣任何方式欺骗numpy观看m作为2D . 一个想法是使用虚拟值填充，以便行变得大小相同，但是我有很多这样的矩阵，它会占用太多空间 . 我真正需要m成为2D的原因是我正在使用Theano，并且将给出m值的张量期望2D值 .
不，这是不可能的 . NumPy数组在每对维度中都需要是矩形的 . 这是由于它们映射到内存缓冲区的方式，作为指针，itemsize，stride triple .
至于这个占用空间： np.array([[1,2,3], [4,5]]) 实际上比2×3数组占用更多的空间，因为它是两个指向Python列表的指针的数组（即使元素被转换为数组，内存布局仍然是低效的） .
np.array([[1,2,3], [4,5]])
我将在这里给出关于Theano的非常新的信息 . 我们有一个新的TypedList（）类型，它允许python列表包含所有具有相同类型的元素：如1d ndarray . 除文档外，一切都已完成 .
您可以使用它们执行的功能有限 . 但我们这样做是为了允许使用扫描循环键入列表 . 它尚未与扫描集成，但您现在可以像这样使用它：
import theano import theano.typed_list a = theano.typed_list.TypedListType(theano.tensor.fvector)() s, _ = theano.scan(fn=lambda i, tl: tl[i].sum(), non_sequences=[a], sequences=[theano.tensor.arange(2, dtype='int64')]) f = theano.function([a], s) f([[1, 2, 3], [4, 5]])
一个限制是扫描输出必须是ndarray，而不是类型列表 .
2 回答
不，这是不可能的 . NumPy数组在每对维度中都需要是矩形的 . 这是由于它们映射到内存缓冲区的方式，作为指针，itemsize，stride triple .
至于这个占用空间：
np.array([[1,2,3], [4,5]])实际上比2×3数组占用更多的空间，因为它是两个指向Python列表的指针的数组（即使元素被转换为数组，内存布局仍然是低效的） .我将在这里给出关于Theano的非常新的信息 . 我们有一个新的TypedList（）类型，它允许python列表包含所有具有相同类型的元素：如1d ndarray . 除文档外，一切都已完成 .
您可以使用它们执行的功能有限 . 但我们这样做是为了允许使用扫描循环键入列表 . 它尚未与扫描集成，但您现在可以像这样使用它：
一个限制是扫描输出必须是ndarray，而不是类型列表 .