你没有提供一个例子，你的代码，但这对我来说是工作。

import numpy as np

arrays = np.array([np.array([1]), np.array([2,3])], dtype=object)
print(arrays)  # [array([1]) array([2, 3])]

字符串
我不清楚在这种情况下np.array比list有什么优势。

在过去的几个numpy版本中，“参差不齐”阵列的创建已经收紧。
这曾经奏效：

In [225]: np.array([np.array([1]), np.array([2,3])])
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
Cell In[225], line 1
----> 1 np.array([np.array([1]), np.array([2,3])])

ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (2,) + inhomogeneous part.

字符串
现在（1.24？）我们已经明确给予了dtype：

In [226]: np.array([np.array([1]), np.array([2,3])], dtype=object)
Out[226]: array([array([1]), array([2, 3])], dtype=object)

型
通常情况下，np.array构成一个多维数字dtype数组。object dtype是一个后备选项，在数组中存储引用，而不是数字。这样的数组几乎是列表。它的计算是以列表解析的速度执行的（如果有的话），而不是数字数组的快速编译速度。
2d数组也可以这样打包-如果第一维不同：

In [228]: np.array([np.ones((3,3)), np.zeros((2,4))], dtype=object)
Out[228]: 
array([array([[1., 1., 1.],
              [1., 1., 1.],
              [1., 1., 1.]]), array([[0., 0., 0., 0.],
                                     [0., 0., 0., 0.]])], dtype=object)

型
dtype在第一个维度匹配时没有帮助：

In [229]: np.array([np.ones((2,3)), np.zeros((2,4))], dtype=object)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
Cell In[229], line 1
----> 1 np.array([np.ones((2,3)), np.zeros((2,4))], dtype=object)

ValueError: could not broadcast input array from shape (2,3) into shape (2,)

型
相反，你必须创建一个“空白”数组，并填充它：

In [230]: arr = np.empty(2, object)    
In [231]: arr[:] = [np.ones((2,3)), np.zeros((2,4))]    
In [232]: arr
Out[232]: 
array([array([[1., 1., 1.],
              [1., 1., 1.]]), array([[0., 0., 0., 0.],
                                     [0., 0., 0., 0.]])], dtype=object)

型
如果所有维度都匹配，并且您不需要正确的n-d数字数组，则也需要此创建/填充。所以这是一个好主意，不管维度组合如何。