我正在使用 numpy 中的 100x3 字符串?dāng)?shù)據(jù)框，但這個(gè)問(wèn)題涉及一列，因此是一個(gè) 100x1 的 pandas 系列。我使用此函數(shù)將其轉(zhuǎn)換為 100x8x8x1 的棋盤(pán)陣列：def boardToNPArray(x):    x = chess.Board(x)    x=x.__str__()    x = x.split("\n")    for n in range(len(x)):        x[n] = np.array(x[n].split()).reshape(8,1)    return np.array(x)asdf['FEN'] = asdf['FEN'].apply(lambda x : boardToNPArray(x))這應(yīng)該使它成為一個(gè)長(zhǎng)度為 100 的數(shù)據(jù)幀，其中包含 8x8x1 的棋盤(pán) numpy 數(shù)組。然后我執(zhí)行 asdf['FEN'].values 將數(shù)據(jù)幀轉(zhuǎn)換為 numpy 數(shù)組。asdf['FEN'].values# Which returnsarray([array([[['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.']],       [['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.']],       [['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['k'],        ['.'],        ['.']],       [['R'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['p'],        ['.']],       [['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['P'],        ['.']],       [['.'],        ['.'],        ['K'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.']],       [['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.']],       [['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['.'],        ['r'],        ['.']]], dtype='<U1'),# This is one 8x8x1 entry in the 理論上，這應(yīng)該可以達(dá)到我的目標(biāo)——一個(gè) 100x8x8x1 的 numpy 數(shù)組。然而，在跑步時(shí)asdf['FEN'].shape它返回(100,)而在跑步的時(shí)候asdf['FEN'][0].shape它返回(8,8,1)兩者的 type() 都是 numpy.ndarray 為什么這不是 100x8x8x1 數(shù)組？