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)

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)

Python ValueError:

ValueError: setting an array element with a sequence.

意思就是它所说的，你试图把一系列数字塞进一个数字槽。它可以在各种情况下抛出。

1. 当你传递一个python元组或列表来解释为numpy数组元素时:

import numpy

numpy.array([1,2,3])               #good

numpy.array([1, (2,3)])            #Fail, can't convert a tuple into a numpy 
                                   #array element


numpy.mean([5,(6+7)])              #good

numpy.mean([5,tuple(range(2))])    #Fail, can't convert a tuple into a numpy 
                                   #array element


def foo():
    return 3
numpy.array([2, foo()])            #good


def foo():
    return [3,4]
numpy.array([2, foo()])            #Fail, can't convert a list into a numpy 
                                   #array element

2. 通过尝试将numpy数组长度> 1塞进numpy数组元素:

x = np.array([1,2,3])
x[0] = np.array([4])         #good



x = np.array([1,2,3])
x[0] = np.array([4,5])       #Fail, can't convert the numpy array to fit 
                             #into a numpy array element

正在创建numpy数组，numpy不知道如何将多值元组或数组塞到单个元素槽中。它期望你给它的任何东西都计算为一个数字，如果不这样做，Numpy会回应说它不知道如何用序列设置数组元素。

对我来说，问题是另一个。我试图将int类型的列表转换为数组。问题是有一个列表与其他列表的长度不同。如果你想证明它，你必须做到:

print([i for i,x in enumerate(list) if len(x) != 560])

在我的例子中，长度参考是560。

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。

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。