python中关于np.array初始化不同维度矩阵的有趣现象

做机器学习实验K-means时，我想把每个聚类（cluster）当成每个元素放入np.array中，而每个聚类是一个矩阵，矩阵的行数是该类样本点的个数，矩阵的列数是每一个样本点的特征数（即维度）。
我希望得到的clusters大概是这样的：

于是我在写程序时先初始化一个三维数组clusters，第一维代表聚类的个数，第二类代表每一类的样本点个数，第三类代表每个点的特征个数。

最初，我把每一类的中心点都加入到每个类cluster中。所以初始时，三维数组的第二维等于1。

然后遍历平面上的所有点，把这个点的所属类别加入到相应的cluster中，用vstack方法拼接在每个cluster后面。
（注：该实验中我使用的点的特征数为2，便于可视化）

可是python报错：

然后我用另一个py文件测试了一下这个有趣的现象：

通过以上现象我们可以看出：

1. np.array()支持数组元素类型不同！
2. 如果np.array()初始化时每个元素类型相同（在我的程序里表现为所有元素都是同型矩阵），那么就不能把一个不同维度的矩阵重新复制给该列表中的元素。也就是说，此时要想更新列表元素，只能用同类型的元素去更新。
3. 如果如果np.array()初始化时每个元素类型并非相同，那么可以随意更改列表中的元素。