Python 包含多个元素的数组的Pyplot真值不明确

我正在尝试实施knn 1D估算：

# nearest neighbors estimate
def nearest_n(x, k, data):
    # Order dataset
    #data = np.sort(data, kind='mergesort')
    nnb = []
    # iterate over all data and get k nearest neighbours around x
    for n in data:
        if nnb.__len__()<k:
            nnb.append(n)
        else:
            for nb in np.arange(0,k):
                if np.abs(x-n) < np.abs(x-nnb[nb]):
                    nnb[nb] = n
                    break

    nnb = np.array(nnb)
    # get volume(distance) v of k nearest neighbours around x
    v = nnb.max() - nnb.min()
    v = k/(data.__len__()*v)

    return v

interval = np.arange(-4.0, 8.0, 0.1)
plt.figure()
for k in (2,8,35):
    plt.plot(interval, nearest_n(interval, k,train_data), label=str(o))
plt.legend()
plt.show()

其结果是：

line 50, in nearest_n
    for n in data:
TypeError: 'numpy.float64' object is not iterable

下面是一个例子，假设：

data = [0.5,1.7,2.3,1.2,0.2,2.2]
k = 2

最近的_n（1.5）应导致

nbb=[1.2,1.7]
v = 0.5 

并返回2/（6*0.5）=2/3

---

例如，该函数在neares_n（2.0,4，data）附近运行，并给出0.0741586011463

作为

x

传递的np.arange（-4,8,01），这是一个值数组。因此

x-n

是一个与

x

长度相同的数组，在本例中为120个元素，因为数组和标量的减法是按元素进行减法的。与

nnb[nb]

相同。因此，比较的结果是一个长度为120的数组，其布尔值取决于

np.abs（x-n）

的每个元素是否小于

np.abs（x-nnb[nb]）

。这不能直接用作条件，您需要将这些值合并为一个布尔值（使用

all（）

，

any（）

，或者只是重新思考代码）

---

工作正常。我原以为pyplot.plot会为我做这件事，但我想它不会…

你能包括预期的输出吗（如果你必须手动完成，你可能希望使用较小的输入）。：）输出将是3个不同的概率密度图（k=2,8,35），s.th。数组[-4,8]中的每个值都将映射到概率[0,1]否，我指的是调用

最近值的文字结果。例如，
最近的数组（np.arange（-4.0,8.0,0.1），2，np.array（[1,2,3]）应该返回什么？我或多或少地随机选择了这些值，如果需要的话插入更合适的值（或者如果没有参考实现的话更容易手工计算）。好的，就这么做：）这不是
pyplot
的问题，我不确定你为什么会这么想？。您编写了
nearest\u n
以获取
x
参数的标量，因此在不重写代码的情况下无法传入向量。在这里，你每次循环通过一个向量，并将一个标量传递到你的函数中。我以为pyplot会像这样处理向量输入，但我错了。我只是想澄清一下，因为我不确定你是否理解问题的根源。该错误不是在
plt.plot
函数中抛出的，也不是因为您对
pyplot
的输入，该错误是在
nearest\n
中抛出的，是由于传递给该函数的参数引起的。@spruceb您可以很肯定OP没有理解该问题，另请参见，在他问这个问题之前有两个答案。
data = [0.5,1.7,2.3,1.2,0.2,2.2]
k = 2

nbb=[1.2,1.7]
v = 0.5 

plt.figure()
X = np.arange(-4.0,8.0,0.1)
for k in [2,8,35]:
    Y = []
    for n in X:
        Y.append(nearest_n(n,k,train_data))
    plt.plot(X,Y,label=str(k))
plt.show()