Python 3.x 如何使包含numpy数组的元组可散列？

使numpy数组可散列的一种方法是将其设置为只读。这在过去对我很有效。但是当我在一个元组中使用这样一个numpy数组时，整个元组就不再是可散列的，我不明白这一点。以下是我为说明问题而编写的示例代码：

import numpy as np

npArray = np.ones((1,1))
npArray.flags.writeable = False
print(npArray.flags.writeable)

keySet = (0, npArray)
print(keySet[1].flags.writeable)

myDict = {keySet : 1}

首先，我创建一个简单的numpy数组并将其设置为只读。然后我将它添加到一个元组中，并检查它是否仍然是只读的（实际上是只读的）

当我想使用元组作为字典中的键时，我得到了错误

TypeError:unhabletype:'numpy.ndarray'

下面是我的示例代码的输出：

False
False
Traceback (most recent call last):
  File "test.py", line 10, in <module>
    myDict = {keySet : 1}
TypeError: unhashable type: 'numpy.ndarray'

False
假的
回溯（最近一次呼叫最后一次）：
文件“test.py”，第10行，在
myDict={keySet:1}
TypeError:不可损坏的类型：“numpy.ndarray”

如何使元组可散列？为什么Python首先显示这种行为？

最快的实现方法

您可以做的不是使用元组定义类：

class KeySet(object):
    def __init__(self, i, arr):
        self.i = i
        self.arr = arr
    def __hash__(self):
        return hash((self.i, hash(self.arr.tostring())))

现在，您可以在dict中使用它：

In [21]: ks = KeySet(0, npArray)

In [22]: myDict = {ks: 1}

In [23]: myDict[ks]
Out[23]: 1

你声称

使numpy数组可散列的一种方法是将其设置为只读

但事实并非如此。将数组设置为只读只会使其只读。由于多种原因，它不能使数组可散列

第一个原因是

writeable

标志设置为

False

的数组仍然是可变的。首先，您始终可以再次设置

writeable=True

，然后继续向其写入，或者执行更奇特的操作，例如重新指定其

形状

，即使

writeable

为

False

。其次，即使不触及数组本身，也可以通过另一个具有

writeable=True

的视图来改变其数据

>>> x = numpy.arange(5)
>>> y = x[:]
>>> x.flags.writeable = False
>>> x
array([0, 1, 2, 3, 4])
>>> y[0] = 5
>>> x
array([5, 1, 2, 3, 4])

其次，要使哈希性有意义，对象首先必须是可等式的-

==

必须返回布尔值，并且必须是等价关系。NumPy阵列不能做到这一点。散列值的目的是快速定位相等的对象，但是当您的对象甚至没有内置的相等概念时，提供散列就没有多大意义了

---

---

你不会得到包含数组的可散列元组。你甚至不会得到散列数组。最接近的方法是在元组中放入数组数据的其他表示形式。

您是从哪里想到将

writeable

标志设置为

False

将使数组可散列的？即使在将元组放入图片之前，这也不起作用。numpy数组没有所需的哈希方法（类似于

\uuuuuuuuuuuuuuuuuuuuuuuuuuuuu

）。该方法如下所述：这感觉像是pythonic，thx的快速答案！我还可以用一个包装numpy.fromstring（）的函数将其转换回来，这是我稍后需要的。还有

tobytes（）

+1，感谢您对内部的说明。如果对数组进行散列的想法不存在，我必须首先将其转换为字符串。是否可以在numpy数组周围创建某种包装器，使它们可以散列和相等？这样就不必在数组的字节/字符串等表示形式之间来回移动了？

>>> x = numpy.arange(5)
>>> y = x[:]
>>> x.flags.writeable = False
>>> x
array([0, 1, 2, 3, 4])
>>> y[0] = 5
>>> x
array([5, 1, 2, 3, 4])