Arrays SKL中的弃用错误了解代码中没有任何空数组的空数组

我只是在玩编码和解码的游戏，但我从sklearn得到了这个错误：

警告（来自警告模块）： 文件“C:\Python36\lib\site packages\sklearn\preprocessing\label.py”，第151行 如果有差异： 弃用警告：空数组的真值不明确。返回False，但在将来这将导致错误。使用

array.size>0

检查数组是否为空

这是完整的代码，您可以自己在Python3中运行+

我的问题是，为什么它说我使用空数组，因为我的代码中显然不使用空数组，感谢您花时间回答我的问题

### label encoding ###

import numpy as np
from sklearn import preprocessing

# Sample input labels
input_labels = ["red", "black", "red", "green",\
                "black", "yellow", "white"]

# Create label encoder abd fit the label
encoder = preprocessing.LabelEncoder()
encoder.fit(input_labels)

# Print the mapping
print("\nLabel mapping:")
for i, item in enumerate(encoder.classes_):
    print(item, "-->", i)

# Encode a set of labels using encoder
test_labels = ["green", "red", "black"]
encoded_values = encoder.transform(test_labels)
print("\nLabels =", test_labels)
print("Encoded values =", list(encoded_values))

# Decode a set of values using the encoder
encoded_values = [3, 0, 4, 1]
decoded_list = encoder.inverse_transform(encoded_values)
print("\nEncoded values =", encoded_values)
print("Decoded labels=", list(decoded_list))

---

TLDR：您可以忽略警告。这是因为sklearn在内部做了一些不太理想的事情

---

该警告实际上是由以下原因引起的

numpy

：

长话短说，在空数组上进行真实性测试是危险的、误导性的，而且在任何方面都没有用处，因此应该予以反对

这意味着不应该执行类似于

if-array:

的操作来检查

array

是否为空。但是，我们要学习：

因为你的numpy版本足够新，它会抱怨并发出警告

---

sklearn当前主分支中的问题，因此我希望该修复程序将包含在下一版本中。

更新numpy后，警告被清除：

conda update numpy

---

您也可以通过pip或其他方式进行更新。

您的sklearn版本是什么？我没有收到0.18.1（和numpy 1.13.3）上的警告。sklearn是0.19.1版，numpy是1.14.0版。您可以抑制此特定警告，如中的3个代码块中的第一个所示。

conda update numpy