当将整数转换为numpy数组时,我会遇到以下错误:
a = 150
b = np.array(a)
b[0]
*** IndexError: too many indices for array: array is 0-dimensional, but 1 were indexed
我希望b[0]的输出是150,但是得到IndexError。为什么?
我有与简单目标检测相关的错误。
output_layers =[layer_names[I-1]表示I在net.getUnconnectedOutLayers()中)
IndexError:标量变量的无效索引。
import cv2.cv2 as cv
import numpy as np
# Load Yolo
net = cv.dnn.readNet('yolov3.weights','yolov3.cfg')
classes = []
with open ("coco.names","r") as f:
cla
for i in range(len(a)):
a = a[i-2]
print(a)
IndexError: invalid index to scalar variable
所以当我试图循环我的数组时,我得到了这个索引错误。A是我的数组。我在网上查找了标量变量的错误索引无效,但它看起来是逐个案例的。任何帮助都将不胜感激。我已经尝试将for循环替换为:
for i in range(len(a)):
a = a(i-2)
print(a)
但这不起作用,并抛出了这个错误。
'numpy.ndarray' object is not callab
数据集看起来像
class subject computer_buy(class)
Junior Science Yes
Sophomore Science Yes
Senior Economics No
Junior ? No
Senior Arts No
假设数据集的名称是toy_data。我想知道类值?值No有多少个
我写了一个这样的查询
toy_data['subject'].isnull().sum()[toy_data['computer_buy&
我正在尝试从头开始实现协方差。它引发了一个IndexError: list index out of range错误。这意味着什么?我如何更改我的代码?
数据来源:
在实现covariance矩阵之前,我计算了mean和standard deviation。
代码
import pandas as pd
df = pd.read_csv('C:/Users/User/Downloads/Admission_Predict.csv')
df = df.sample(frac=1)
# Correlation matrix
mat = df.to_numpy()
cov =
在本例中,我正在设置一个3D框,即2x2x3。我使用列表理解来设置框中每个1x1x1单元格的质心坐标(我使用的是Python2.7)。然后,我将该列表结构转换为一个numpy数组,并希望随机填充该框的一半。
import numpy as np
tube = []
xy = 2
for z in range(3):
tube.append([(x+0.5, y+0.5, z+0.5, 0) for x in range(xy) for y in range(xy)])
centroid = np.array(tube)
exitFlag = False
我试着做一个for循环,但到目前为止,我还没有成功。第一次迭代执行得很完美,但之后却出现了错误:
IndexError:标量变量的无效索引
对于行Ylog=[(data1.Z>a[i])&(data1.Z<a[i+1])]
我不知道它是从哪里来的..。
import matplotlib.pyplot as plt
import pandas as pd
from scipy import stats
base=pd.read_csv('pont du gard.csv',sep=';',index_col=0)
data1=pd.re
我正在尝试编写一个函数来计算给定输入的Simpson积分。这些输入的一部分可以是float或np.array的形式。
目前,我的功能如下:
s = np.array([0.2,0.3,0.4])
@np.vectorize
def recovery(s,R0,n):
x = np.linspace(s,1,n)
y = 1/(x*R0(x))
ans = simp(y,x)
return ans
这可以很好地工作,并返回:
array([a, b, c]) ## Where a, b and c are the correct answers
但是,如果我
我想在numpy.ndarray上使用矢量化来做一些计算。假设我有以下矢量化函数:
import numpy as np
fun = lambda x:x[0]+x[1]
fun = np.vectorize(fun)
和下面的numpy.ndarray
a = range(10)
b = range(10)
c = np.array([a,b])
当我申请的时候
result = fun(c)
我得到了以下错误
IndexError: invalid index to scalar variable.
\为什么会出现这种情况?我应该如何修复它?
对于每个基因,我要做McNemar的测试,然后评估p值是否> 0.05。我想计算通过测试的基因数目。
我的代码引发了IndexError: invalid index to scalar variable。
import pandas as pd
from statsmodels.stats.contingency_tables import mcnemar
from statsmodels.stats.gof import chisquare_effectsize
from statsmodels.stats.power import GofChisquarePower
def g
如何使用dtype=object访问numpy数组中的数据
b = numpy.array({"a":[1,2,3]}, dtype=object)
下面将引发一个IndexError。
print(b["a"])
IndexError: only integers, slices (`:`), ellipsis (`...`), numpy.newaxis (`None`) and integer or boolean arrays are valid indices
我经常发现自己编写的代码应该适用于单个数字和numpy数组。如果该代码需要按情况进行区分,我要么使用一些奇怪的构造,比如添加numpy.sign的倍数或类似的,要么我自己编写类似的块
try:
lon[x<0] -= pi
except IndexError:
if x<0:
lon -= pi
是否有一种简单的、惯用的方法来编写像lon[x<0] -= pi这样的语句,使它们既适用于数字也适用于数组?
有没有可能创建一个NumPy对象,它的行为非常像collections.namedtuple,因为可以像这样访问元素:
data[1] = 42
data['start date'] = '2011-09-20' # Slight generalization of what is possible with a namedtuple
我尝试使用复杂数据类型:
>>> data = numpy.empty(shape=tuple(), dtype=[('start date', 'S11'), ('n&
我想动画在y轴矩形内的颜色,颜色填充应该上下移动,就像峰值条的行为方式一样。这段代码中有我无法解决的错误。请帮我解决这个问题。
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import random
import numpy
class AnimRect(object):
'''Animate a rectangle'''
def __init__(self):
self.fig = plt.figure(fi
我有以下代码:
import math
import numpy
import numpy as np
import numpydoc
import matplotlib
x= [1,2 ,3 ,4 ,5 ,6]
y= [5,6,7 ,8 ,9 ,10 ]
ax=np.array(x)
ay=np.array(y)
for i in ax:
if ax[i]>4:
print("Hi")
else:
print("Hello")
我得到了这个错误:
IndexError: index 6 is out of
当用numpy.array索引dask.array时,我会遇到错误,我不确定这是一个特性还是一个bug。
In [1]: import numpy as np
In [2]: import dask.array as dka
In [3]: foo = np.arange(10)
In [4]: bar = np.arange(3)
In [5]: foo[bar]
Out[5]: array([0, 1, 2])
In [6]: foo[dka.from_array(bar)]
<ipython-input-16-9c4b06c0d0c4>:1: FutureWarning:
我正在使用pandasUDF将标准的ML python库应用于pyspark DataFrame。在定义了模式并进行了预测之后,我得到了pyspark DF作为输出。现在,我想用这个预测数据帧做一些事情,例如,我尝试对列"weekly_forecast_1“中的所有值进行求和。当我应用.collect()或.toPandas()方法时,在.fit()中得到以下错误 IndexError: too many indices for array:array is 0-dimensional, but 1 were indexed 每当我尝试将.collect()或.toPandas()方
我想通过索引访问数据的值(xi和yi应该是行索引),但是我得到了错误IndexError: indices are out-of-bounds。
for xi, yi in kd:
X, y = data[xi], y_labs[yi]
数据为pandas.core.frame.DataFrame
kd是numpy.ndarray
y_labs是numpy.ndarray
在下面的代码中,我尝试将字段变量(类或记录)或数组元素直接用作循环计数器,但这是非法的(“错误:无效索引表达式”)。这仅仅是因为循环计数器必须是标量变量吗?
class Cls {
var n: int;
}
proc main()
{
var x = new Cls( 100 );
var k: [1..10] int;
for x.n in 1..3 do // error: invalid index expression
writeln( x.n );
for k[1] in 1..3 do // erro
当我使用2d数组映射时,一切都正常。当我开始使用一维数组时,会发生此错误;IndexError: unsupported iterator index。这就是我所说的错误:
In [426]: y = Series( [0,1,0,1] )
In [427]: arr1 = np.array( [10,20] )
In [428]: arr2 = np.array( [[10,20],[30,40]] )
In [429]: arr2[ y, y ]
Out[429]: array([10, 40, 10, 40])
In [430]: arr1[ y ]
----------------
我已经初始化了一个数组,其形式为
for x in range(0,21000):
if np.amax(probability[x]) > 0.2:
i = i+1
Label = np.zeros(shape=(i,130))
现在,对于下面的循环,我想将值赋给标签的每一行
for x in range(0,21000):
if np.amax(probability[x]) > 0.2:
Label[i] = [feature[x],y[x],np.amax(probability)[x]]
i = i+1
其中fea
我无法修改循环中numpy数组的实际值。我的代码如下:
labels_class = np.copy(labels_train)
for label in labels_class:
labels_class[label] = 1 if (label == classifier) else 0
labels_class -只是一个大小为N,值为0,39的numpy数组。labels_class[label]的值在循环中是正确的(==modified),但是循环labels_class之外的值保持不变。
我也试过nditer,没有用:
for label in np.nditer(labe
我使用Python3.6,当我尝试使用NumPy数组引用时,我得到了一个索引错误。
这是我的代码:
import numpy as np
length1 = 35
length2 = 20
siglength = 10
csrf = np.array([])
sm = 2.0 / 35
sm2 = 2.0 / 20
for n in range(0, 198) :
if n == 0 :
i = 100
t = i - 100
setcsf = t - 0 * sm + 0
csrf = np.append(cs
我用2d语法索引一个一维数组。
在numpy 1.8.0中,我得到了以下内容:
np.array([1,2,3])[:,[0,1]]
IndexError: too many indices
numpy 1.6.2给出了结果:
np.array([1,2,3])[:,[0,1]]
array([1, 2])
1.8.0表现得“更好”吗?哪里记录了行为的变化?