numpy数组TypeError：只能将整数标量数组转换为标量索引

Question

i=np.arange(1,4,dtype=np.int)
a=np.arange(9).reshape(3,3)

和

a
>>>array([[0, 1, 2],
          [3, 4, 5],
          [6, 7, 8]])
a[:,0:1]
>>>array([[0],
          [3],
          [6]])
a[:,0:2]
>>>array([[0, 1],
          [3, 4],
          [6, 7]])
a[:,0:3]
>>>array([[0, 1, 2],
          [3, 4, 5],
          [6, 7, 8]])

现在我想对数组进行矢量化以将它们一起打印出来。我试试

a[:,0:i]

要么

a[:,0:i[:,None]]

它给出了TypeError：只有整数标量数组可以转换为标量索引

Answer 1

简短回答：

[a[:,:j] for j in i]

---

你要做的不是一个可矢量化的操作。 Wikipedia defines矢量化作为单个数组上的批处理操作，而不是单个标量：

在计算机科学中，阵列编程语言（也称为向量或多维语言）概括了对标量的操作，以透明地应用于向量，矩阵和高维数组。

...

...对整个数组进行操作的操作可称为向量化操作...

在CPU级优化方面，definition of vectorization是：

“矢量化”（简化）是重写循环的过程，因此它不是处理数组的单个元素N次，而是同时处理（比如说）阵列的4个元素N / 4次。

您的案例的问题是每个单独操作的结果具有不同的形状：(3, 1)，(3, 2)和(3, 3)。它们不能形成单个矢量化操作的输出，因为输出必须是一个连续的数组。当然，它可以包含(3, 1)，(3, 2)和(3, 3)数组（作为视图），但这就是你的原始数组a已经做的。

你真正想要的只是一个计算所有这些的表达式：

[a[:,:j] for j in i]

...但它在性能优化方面没有矢量化。在引擎盖下，它是普通的旧for循环，逐个计算每个项目。

Answer 2

尝试以下操作将阵列更改为1D

a.reshape((1, -1))

Answer 3

这可能与此特定问题无关，但我遇到了类似的问题，我在Python列表上使用了NumPy索引并得到了相同的确切错误消息：

# incorrect
weights = list(range(1, 129)) + list(range(128, 0, -1))
mapped_image = weights[image[:, :, band]] # image.shape = [800, 600, 3]
# TypeError: only integer scalar arrays can be converted to a scalar index

事实证明，在我应用多维NumPy索引之前，我需要将qdxswpoi（一维Python列表）转换为NumPy数组。以下代码有效：

weights

Answer 4

您可以使用numpy.ravel从n维数组返回一个展平的数组：

# correct
weights = np.array(list(range(1, 129)) + list(range(128, 0, -1)))
mapped_image = weights[image[:, :, band]] # image.shape = [800, 600, 3]

Answer 5

我有一个类似的问题，并使用列表解决它...不知道这是否有帮助

>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> a.ravel()
array([0, 1, 2, 3, 4, 5, 6, 7, 8])

Answer 6

当我们使用向量代替标量时出现这个问题，例如在for循环中，范围应该是标量，如果你在那个地方给出了一个向量，你会得到错误。因此，要避免此问题，请使用您使用的向量的长度