当形状不是规则的或者元素有不同的数据类型时，dtype参数传递给np。数组只能是object。

import numpy as np

# arr1 = np.array([[10, 20.], [30], [40]], dtype=np.float32)  # error
arr2 = np.array([[10, 20.], [30], [40]])  # OK, and the dtype is object
arr3 = np.array([[10, 20.], 'hello'])     # OK, and the dtype is also object

``

在我的例子中，我在Tensorflow中得到了这个错误，原因是我试图提供一个具有不同长度或序列的数组:

例子:

import tensorflow as tf

input_x = tf.placeholder(tf.int32,[None,None])



word_embedding = tf.get_variable('embeddin',shape=[len(vocab_),110],dtype=tf.float32,initializer=tf.random_uniform_initializer(-0.01,0.01))

embedding_look=tf.nn.embedding_lookup(word_embedding,input_x)

with tf.Session() as tt:
    tt.run(tf.global_variables_initializer())

    a,b=tt.run([word_embedding,embedding_look],feed_dict={input_x:example_array})
    print(b)

如果我的数组是

example_array = [[1,2,3],[1,2]]

然后我将得到错误:

ValueError: setting an array element with a sequence.

但如果我做填充

example_array = [[1,2,3],[1,2,0]]

现在起作用了。

这个错误是因为np的dtype参数。数组函数指定数组中元素的数据类型，并且只能设置为与所有元素兼容的单一数据类型。值"abc"不是有效的浮点数，因此试图将其转换为浮点数会导致ValueError。为了避免此错误，可以从列表中删除string元素，或者选择可以同时处理浮点值和字符串值的不同数据类型，例如object。

numpy.array([1.2, "abc"], dtype=object)

在我的例子中，我有一个嵌套的列表作为我想要用作输入的系列。

第一次检查:如果

df['nestedList'][0]

输出一个列表如[1,2,3]，你有一个嵌套的列表。

然后检查当您更改输入df['nestedList'][0]时是否仍然得到错误。

然后，下一步可能是将所有嵌套列表连接到一个非嵌套列表，使用

[item for sublist in df['nestedList'] for item in sublist]

这种对嵌套列表的扁平化是从如何从列表的列表中制作一个扁平化列表中借来的。

可能原因1:试图创建一个锯齿状数组

你可以从一个形状不像多维数组的列表中创建一个数组:

numpy.array([[1, 2], [2, 3, 4]])         # wrong!

numpy.array([[1, 2], [2, [3, 4]]])       # wrong!

在这些例子中，numpy的参数。数组包含不同长度的序列。这将产生此错误消息，因为输入列表的形状不像可以转换为多维数组的“方框”。

可能原因2:提供类型不兼容的元素

例如，在float类型的数组中提供一个字符串作为元素:

numpy.array([1.2, "abc"], dtype=float)   # wrong!

如果你真的想要一个既包含字符串又包含浮点数的NumPy数组，你可以使用dtype对象，它允许数组保存任意Python对象:

numpy.array([1.2, "abc"], dtype=object)

对于那些在Numpy中遇到类似问题的人来说，一个非常简单的解决方案是:

定义数组时定义dtype=object为数组赋值。例如:

out = np.empty_like(lil_img, dtype=object)