Python 索引包含函数的numpy数组_Python_Numpy

Python 索引包含函数的numpy数组

python numpy

Python 索引包含函数的numpy数组,python,numpy,Python,Numpy,我有一个Numpy数组，“nFuncs”包含函数对象，如下所示： array([ [<bound method ncNN.sigmoid of <__main__.ncNN object at 0x11c01f510>>, <bound method ncNN.sigmoid of <__main__.ncNN object at 0x11c01f510>>, <bound method ncNN.si

我有一个Numpy数组，“nFuncs”包含函数对象，如下所示：

array([ [<bound method ncNN.sigmoid of <__main__.ncNN object at 0x11c01f510>>, 
         <bound method ncNN.sigmoid of <__main__.ncNN object at 0x11c01f510>>, 
         <bound method ncNN.sigmoid of <__main__.ncNN object at 0x11c01f510>>],
        [<bound method ncNN.sigmoid of <__main__.ncNN object at 0x11c01f510>>,
         <bound method ncNN.sigmoid of <__main__.ncNN object at 0x11c01f510>>]], dtype=object)

数组（[,，
, 
],
[,
]]，dtype=object）

为这个数组编制索引的合法方法是什么？当我尝试nFuncs[1,1]时，我遇到了Indexer错误：数组的索引太多。然而，NFUNC[1][1]是有效的。你能解释一下为什么我不能使用NFUNC[1,1]吗？

数组有形状（2，）：它是一维的。这是因为构造函数中的第一个子列表和第二个子列表具有不同的长度。因此，这被解释为一个由2个列表组成的一维数组。要获取函数数组，请将函数插入第二个列表（或从第一个列表中删除一个）

阵列具有形状（2，）：它是一维的。这是因为构造函数中的第一个子列表和第二个子列表具有不同的长度。因此，这被解释为一个由2个列表组成的一维数组。要获取函数数组，请将函数插入第二个列表（或从第一个列表中删除一个）

制作一个嵌套列表：

In [8]: alist=[[1,2,3],[4,5]]
In [9]: len(alist)
Out[9]: 2

这是一个由两个项目组成的列表；这些项目恰好是列表。在某种排序元视图中，它是二维的，但列表本身并不是二维的

从中创建一个数组：

In [10]: arr = np.array(alist)
In [11]: arr.shape
Out[11]: (2,)
In [12]: arr.dtype
Out[12]: dtype('O')
In [13]: arr
Out[13]: array([[1, 2, 3], [4, 5]], dtype=object)
In [14]: arr[0]
Out[14]: [1, 2, 3]
In [15]: type(arr[0])
Out[15]: list

它也有2个元素，实际上与

alist

（相同id）相同的2个子列表

如果我更改其中一个子列表中的一个元素，该更改将显示在另一个结构中

In [18]: arr[0][1]=3
In [19]: arr
Out[19]: array([[1, 3, 3], [4, 5]], dtype=object)
In [20]: alist
Out[20]: [[1, 3, 3], [4, 5]]

在大多数情况下，像这样的对象数组就像一个列表。你可以改变它的形状，例如'arr.reforme（2,1'），但是你不能附加到它上面。要执行大多数操作，您（或numpy）必须像遍历列表一样遍历元素

将其与二维整数数组进行对比

In [21]: A=np.array([[1,2,3],[4,5,6]])
In [22]: A
Out[22]: 
array([[1, 2, 3],
       [4, 5, 6]])
In [23]: A.shape
Out[23]: (2, 3)
In [24]: A.dtype
Out[24]: dtype('int32')

如果我将

arr

的元素更改为数组，可能会可视化

对象

屏障：

In [26]: arr[0]=np.array(arr[0])
In [27]: arr[1]=np.array(arr[1])
In [28]: arr
Out[28]: array([array([1, 3, 3]), array([4, 5])], dtype=object)

它现在是一个数组的数组；但这仍然与2d数组不同。