python numpy强制转换问题

我试图用下面的代码进行插值

    self.indeces = np.arange( tmp_idx[len(tmp_idx) -1] )
    self.samples = np.interp(self.indeces, tmp_idx, tmp_s)

其中，tmp_idx和tmp_是numpy阵列。我得到以下错误：

无法将数组安全地强制转换到 必需类型

你知道怎么解决这个问题吗

更新：

   class myClass
    def myfunction(self, in_array, in_indeces = None):
        if(in_indeces is None):
            self.indeces = np.arange(len(in_array))
        else:
            self.indeces = in_indeces       
        # clean data
        tmp_s = np.array; tmp_idx = np.array;
        for i in range(len(in_indeces)):
            if( math.isnan(in_array[i]) == False and in_array[i] != float('Inf') ):
                tmp_s = np.append(tmp_s, in_array[i])
                tmp_idx = np.append(tmp_idx, in_indeces[i])
        self.indeces = np.arange( tmp_idx[len(tmp_idx) -1] )
        self.samples = np.interp(self.indeces, tmp_idx, tmp_s)

---

您可能遇到的问题之一是，当您有以下行时：

tmp_s = np.array; tmp_idx = np.array;

您正在将

tmp_s

和

tmp_idx

设置为内置函数np.array。然后当你追加时，你有对象类型数组，它

np。interp

不知道如何处理。我认为您可能认为您正在创建零长度的空数组，但numpy或python不是这样工作的

请尝试以下方法：

class myClass
    def myfunction(self, in_array, in_indeces = None):
        if(in_indeces is None):
            self.indeces = np.arange(len(in_array))
            # NOTE: Use in_array.size or in_array.shape[0], etc instead of len()
        else:
            self.indeces = in_indeces       
        # clean data
        # set ii to the indices of in_array that are neither nan or inf
        ii = ~np.isnan(in_array) & ~np.isinf(in_array)
        # assuming in_indeces and in_array are the same shape
        tmp_s = in_array[ii]
        tmp_idx = in_indeces[ii] 
        self.indeces = np.arange(tmp_idx.size)
        self.samples = np.interp(self.indeces, tmp_idx, tmp_s)

---

由于我不知道您的输入或期望的输出，因此不能保证这会完美地工作，但这应该让您开始。需要注意的是，在numpy中，如果有一种方法可以对整个数组执行所需的操作，则通常不鼓励您循环遍历数组元素并一次对它们进行操作。使用内置的numpy方法总是要快得多。一定要查看numpy文档，看看有哪些方法可用。您不应该像对待常规python列表那样对待numpy数组。

对我很有用。什么类型的

tmp\u idx

和

tmp\u s

？您能提供一个输出错误的更完整示例吗？请向我们展示

self.indeces.dtype

、

tmp\u idx.dtype

和

tmp\u s.dtype

。它们是int64对象。我要更新上面的代码，它似乎在工作。。。是否可以强制numpy数组具有某些特定的数据，例如float或double？@Banana，array.astype（type）将返回数组的转换副本。通常，在创建数组时，最好确保数组的类型正确。