0D &一维numpy阵列数组索引的统一方法
0D &一维numpy阵列数组索引的统一方法
提问于 2015-06-23 07:52:46
(注:原来的问题有点不同，另一个答案适用；原始问题见修订史。)
是否有一种统一的方法来索引numpy数组，而这些数组也可以是标量的？
我正在尝试编写一个处理浮点、浮点数列表或0/1D numpy数组的函数。为了统一处理这个问题，我使用了numpy.asarray()，它总体工作良好(当输入是标准的Python时，我不介意返回一个numpy.float64 )。
当我需要处理条件操作和中间数组函数时，会出现问题，如下所示：
value = np.asarray(5.5)
mask = value > 5
tmpvalue = np.asarray(np.cos(value))
tmpvalue[mask] = value这将引发异常：
Traceback (most recent call last):
File "testscalars.py", line 27, in <module>
tmpvalue[mask] = value
IndexError: 0-d arrays can't be indexed有什么优雅的解决办法吗？
回答 2
Stack Overflow用户
回答已采纳
发布于 2015-07-03 03:21:09
事实证明，这个问题与numpy 1.8及以前有关；升级到numpy 1.9(.2)解决了这个问题。
numpy 1.9发行说明有这样的说法：
对标量数组的布尔索引将始终返回一个新的一维数组。这意味着数组(1)数组(True)提供的是数组(1)，而不是原始数组。
这将方便地将tmpvalue[mask]临时转换为一维数组，允许将其分配给value。
tmpvalue[mask] = valueStack Overflow用户
发布于 2015-06-24 03:47:19
虽然对所提问题的实际答案并不是实际的，但以下主要是咬我并导致(类型)错误的原因：
value = numpy.asarray(5.5)
mask = value > 5
tmpvalue = numpy.cos(value)
tmpvalue[mask] = value[mask]这里的问题是值是numpy.ndarray类型的，但是由于它是一个0-d数组，所以numpy.cos返回一个numpy.scalar，它不能被索引。
我认为这个冷酷的问题与这个问题直接相关。
现在看来，最简单的解决方案是用numpy.asarray包装numpy ufuncs。
value = numpy.asarray(5.5)
mask = value > 5
tmpvalue = numpy.asarray(numpy.cos(value))
tmpvalue[mask] = value[mask]我已经成功地测试了输入5.5、4.5、[5.5]、[4.5]和[4.5, 5.5]。
请注意，这种行为也适用于更常见的操作，如加法：
>>> x = numpy.asarray(5)
>>> y = numpy.asarray(6)
>>> z = x + y
>>> type(x), type(y), type(z)
(<class 'numpy.ndarray'>, <class 'numpy.ndarray'>, <class 'numpy.int64'>)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/30996934
复制相关文章
相似问题
腾讯云开发者
