Python ValueError:操作数无法与获取sklearn的BallTree邻居的平均距离的形状一起广播

当我试图获得50个点的邻域的平均距离时，得到了错误“ValueError:操作数无法与形状（5，）（4，）”一起广播。使用sklearn的BallTree函数计算邻域的距离。这个函数的查询返回一个numpy双数组，其中包含中心点和邻域之间的距离，我搜索得到中心点和邻域之间的平均距离

代码如下：

import numpy as np
import sklearn.neighbors

rng = np.random.RandomState(0)
X = rng.random_sample((50, 3))

treeBall_Neighbors = sklearn.neighbors.BallTree(X, leaf_size=2)
indices_Neighbors,distance_Neighbors=treeBall_Neighbors.query_radius(X[:], r=0.2,count_only=False,return_distance=True)

print(distance_Neighbors.mean())

这很奇怪，因为如果我试图一个接一个地获得平均距离，我不会得到错误：

print(distance_Neighbors[0].mean())
print(distance_Neighbors[1].mean())
...

---

你能帮我在不使用for循环的情况下获得一个包含邻居平均值的numpy数组吗？

不幸的是，我认为你运气不好。让我们看看邻居之间的距离是什么：

distance_Neighbors

array([array([0.19662693, 0.        , 0.12978415, 0.15542077, 0.19196227]),
       array([0.        , 0.10668909, 0.1864282 , 0.15770229]),
       array([0.]), array([0.14046915, 0.        , 0.19662693]),
       ...
       array([0.15770229, 0.15542077, 0.166294  , 0.08416146, 0.        ]),
       array([0.16614007, 0.        , 0.18970757, 0.19556229, 0.11739919]),
       array([0.]), array([0.]), array([0.])], dtype=object)

这是一个参差不齐的数组，

dtype=object

——在

numpy

中，它不是一个有用的数据类型（当您尝试时，它们往往会导致奇怪的错误，比如您发现的错误）。这不是你的错，这就是sklearn的输出，但是你像一个列表一样被卡住了，因为一个不规则的数组

dtype=object

基本上并不比列表好多少

第二个问题是，所有这些数组中都有一个

0.0

，这会影响你的平均值。如果您不介意没有邻居为nan的结果，您可以执行以下操作：

[a[a>0].mean() for a in distance_Neighbors]
Out[13]: 
[0.1684485306859162,
 0.1502731942636554,
 nan,
 0.1685480404455817,
 0.14716664746268726,
 ...
 0.16064019067059504,
 0.17164368138912153,
 0.14089463228303245,
 0.16720227805614482,
 nan,
 nan,
 nan]

---

如果您想用其他方法来处理它们，您需要为循环创建一个真正的

。如果您根本不想处理这些问题，只需使用
[a.mean（）表示距离较远的邻居]
非常感谢您的回答。多亏了它，我找到了解决这个问题的方法。最后，我的代码看起来像：
f=lambda x:distance\u neights[x].mean（）
test=list（map（f，np.arange（0，np.shape（distance\u neights）[0]））

我使用lambda来提高处理速度。现在我正在管理3亿点，这就是避免循环的原因。。。再次感谢！其他快速解决方案：np.矢量化（np.平均值）（距离\邻域）