函数总是返回numpy数组。
我遇到了一个what函数，它似乎返回一个numpy数组，不管传递给它什么。在我的应用程序中，我只需要能够传递标量和列表，因此唯一的“问题”是，当我将标量传递给函数时，会返回带有一个元素的数组(当我期望得到标量时)。我应该忽略这一行为，还是黑掉函数以确保在传递标量时返回标量？
示例代码：
#! /usr/bin/env python
import scipy
import scipy.optimize
from numpy import cos
# This a some function we want to compute the inverse of
def f(x):
y = x + 2*cos(x)
return y
# Given y, this returns x such that f(x)=y
def f_inverse(y):
# This will be zero if f(x)=y
def minimize_this(x):
return y-f(x)
# A guess for the solution is required
x_guess = y
x_optimized = scipy.optimize.fsolve(minimize_this, x_guess) # THE PROBLEM COMES FROM HERE
return x_optimized
# If I call f_inverse with a list, a numpy array is returned
print f_inverse([1.0, 2.0, 3.0])
print type( f_inverse([1.0, 2.0, 3.0]) )
# If I call f_inverse with a tuple, a numpy array is returned
print f_inverse((1.0, 2.0, 3.0))
print type( f_inverse((1.0, 2.0, 3.0)) )
# If I call f_inverse with a scalar, a numpy array is returned
print f_inverse(1.0)
print type( f_inverse(1.0) )
# This is the behaviour I expected (scalar passed, scalar returned).
# Adding [0] on the return value is a hackey solution (then thing would break if a list were actually passed).
print f_inverse(1.0)[0] # <- bad solution
print type( f_inverse(1.0)[0] )在我的系统中，它的输出是：
[ 2.23872989 1.10914418 4.1187546 ]
<type 'numpy.ndarray'>
[ 2.23872989 1.10914418 4.1187546 ]
<type 'numpy.ndarray'>
[ 2.23872989]
<type 'numpy.ndarray'>
2.23872989209
<type 'numpy.float64'>我使用的是SciPy 0.10.1和MacPorts提供的Python2.7.3。
溶液
在阅读了下面的答案后，我确定了以下的解决方案。将f_inverse中的返回行替换为：
if(type(y).__module__ == np.__name__):
return x_optimized
else:
return type(y)(x_optimized)在这里，return type(y)(x_optimized)使返回类型与调用函数的类型相同。不幸的是，如果y是numpy类型，则这不起作用，因此if(type(y).__module__ == np.__name__)用于detect numpy types using the idea presented here并将它们排除在类型转换之外。
回答 4
Stack Overflow用户
发布于 2012-09-24 13:21:05
scipy.optimize.fsolve中实现的第一行是：
x0 = array(x0, ndmin=1)
这意味着你的标量将变成一个1元素序列，而你的1元素序列将基本上保持不变。
这似乎是一个实现细节，我将重构您的代码，使其不允许将标量发送到fsolve。我知道这似乎有悖于鸭子类型，但函数要求为该参数提供一个ndarray，因此您应该尊重接口，以便对实现中的更改保持健壮。但是，我不认为有条件地使用x_guess = array(y, ndmin=1)将标量转换为包装器函数中的ndarray并在必要时将结果转换为标量没有任何问题。
下面是fsolve函数的docstring的相关部分：
x0，args=()，fprime=None，full_output=0，col_deriv=0，xtol=1.49012e-8，maxfev=0，band=None，epsfcn=0.0，factor=100，diag=None)：“”找到函数的根。返回由
func(x) = 0定义的(非线性)方程的根，给出一个起始估计.参数-函数:可调用的f(x，*args)函数，它至少包含一个(可能是向量)参数。x0 : ndarray --func(x) = 0根的起始估计。-返回
Stack Overflow用户
发布于 2012-09-24 15:04:51
下面是如何将Numpy数组转换为列表并将Numpy标量转换为Python标量的方法：
>>> x = np.float32(42)
>>> type(x)
<type 'numpy.float32'>
>>> x.tolist()
42.0换句话说，tolist方法在np.ndarray上专门处理标量。
这仍然给您留下了单元素列表，但这些元素列表很容易以通常的方式处理。
Stack Overflow用户
发布于 2012-09-24 14:19:34
我想wims的回答其实已经说了很多，但也许这使得差别更清楚了。
numpy返回的标量应该与array[0]一起使用(几乎？)完全兼容标准python浮点：
a = np.ones(2, dtype=float)
isinstance(a[0], float) == True # even this is true.在大多数情况下，1大小的数组与标量和列表都是兼容的，不过，例如，它是一个可变对象，而浮点数不是：
a = np.ones(1, dtype=float)
import math
math.exp(a) # works
# it is not isinstance though
isinstance(a, float) == False
# The 1-sized array works sometimes more like number:
bool(np.zeros(1)) == bool(np.asscalar(np.zeros(1)))
# While lists would be always True if they have more then one element.
bool([0]) != bool(np.zeros(1))
# And being in place might create confusion:
a = np.ones(1); c = a; c += 3
b = 1.; c = b; c += 3
a != b因此，如果用户不应该知道它，我认为第一个是好的，第二个是危险的。
还可以使用np.asscalar(result)将大小为1的数组(任意维度)转换为正确的python标量：
29: type(np.asscalar(a)) Out29: float
如果您想确保不应该知道numpy的用户没有任何惊喜，那么如果一个标量被传入，您至少必须得到0的元素。如果用户应该了解numpy，那么仅仅是文档可能也一样好。
https://stackoverflow.com/questions/12565735
复制相似问题
腾讯云开发者
