在我的例子中，问题在于数据框架X[]的散点图:

ax.scatter(X[:,0],X[:,1],c=colors,    
       cmap=CMAP, edgecolor='k', s=40)  #c=y[:,0],

#ValueError: setting an array element with a sequence.
#Fix with .toarray():
colors = 'br'
y = label_binarize(y, classes=['Irrelevant','Relevant'])
ax.scatter(X[:,0].toarray(),X[:,1].toarray(),c=colors,   
       cmap=CMAP, edgecolor='k', s=40)

在我的例子中，问题在于数据框架X[]的散点图:

ax.scatter(X[:,0],X[:,1],c=colors,    
       cmap=CMAP, edgecolor='k', s=40)  #c=y[:,0],

#ValueError: setting an array element with a sequence.
#Fix with .toarray():
colors = 'br'
y = label_binarize(y, classes=['Irrelevant','Relevant'])
ax.scatter(X[:,0].toarray(),X[:,1].toarray(),c=colors,   
       cmap=CMAP, edgecolor='k', s=40)

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)

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)

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。