Python ValueError:无法将输入数组从形状（1,3）广播到形状（3,1）

我正在处理一个线性回归编码问题，我在尝试编码特征矩阵部分时遇到了这个错误。你能帮我纠正一下吗

回溯（最近一次呼叫最后一次）： 文件“C:\Users\visha\AppData\Local\Continuum\anaconda3\lib\site packages\nose\case.py”，第197行， 运行中 自检（*self.arg） 文件“C:\Users\visha\machinelearning\test.py”，第22行，在test\u compute\u Phi中 φ=计算φ（x，2） 文件“C:\Users\visha\machinelearning\linear\u regression.py”，第30行，在compute\u Phi中 φ[：，i]=np.幂（x，i）.重塑（x.形[0]，） ValueError:无法将输入数组从形状（1,3）广播到形状（3,1）

[守则]

def compute_Phi(x,p):
    x = np.asmatrix(x)
    Phi = np.zeros(shape = (x.shape[0],p))
    for i in range(0,p):
        Phi[:,i] = np.power(x,i).reshape(x.shape[0],)
        Phi = np.asmatrix(Phi)
return Phi 

---

您的

x

，没有

np.mat

：

In [225]: x = np.array([1,2,3])[:,None]                                                
In [226]: x                                                                            
Out[226]: 
array([[1],
       [2],
       [3]])
In [227]: p = 2                                                                        
In [228]: Phi = np.zeros((3,2))                                                        
In [229]: Phi[:,0] = np.power(x,0)                                                     
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-229-f8ff29de133c> in <module>
----> 1 Phi[:,0] = np.power(x,0)

ValueError: could not broadcast input array from shape (3,1) into shape (3)

现在我们可以分配列了

现在（3,1）形状

x

可以同时使用多种电源：

In [234]: np.power(x[:,None],[0,1,2,3])                                                
Out[234]: 
array([[ 1,  1,  1,  1],
       [ 1,  2,  4,  8],
       [ 1,  3,  9, 27]])

这里，（3,1）

x

用（4，）

p

广播以产生（3,4）结果

广播步骤是：（3,1），（4，）=>（3,1），（1,4）=>（3,4），（3,4）

---

键为-尺寸为1的尺寸可以自动添加到领先位置。尺寸1的尺寸被缩放以匹配其他尺寸。

您的

x

，不带

np.mat

：

In [225]: x = np.array([1,2,3])[:,None]                                                
In [226]: x                                                                            
Out[226]: 
array([[1],
       [2],
       [3]])
In [227]: p = 2                                                                        
In [228]: Phi = np.zeros((3,2))                                                        
In [229]: Phi[:,0] = np.power(x,0)                                                     
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-229-f8ff29de133c> in <module>
----> 1 Phi[:,0] = np.power(x,0)

ValueError: could not broadcast input array from shape (3,1) into shape (3)

现在我们可以分配列了

现在（3,1）形状

x

可以同时使用多种电源：

In [234]: np.power(x[:,None],[0,1,2,3])                                                
Out[234]: 
array([[ 1,  1,  1,  1],
       [ 1,  2,  4,  8],
       [ 1,  3,  9, 27]])

这里，（3,1）

x

用（4，）

p

广播以产生（3,4）结果

广播步骤是：（3,1），（4，）=>（3,1），（1,4）=>（3,4），（3,4）

---

键为-尺寸为1的尺寸可以自动添加到领先位置。大小为1的维度被缩放以匹配其他维度。

实际上，错误是因为在for循环的第一次迭代中，Phi是np.array，而在第二次迭代中，它被更改为矩阵。如果您将行

Phi=np.asmatrix（Phi）

移动到循环外部，则它将起作用

def计算φ（x，p）：
x=np.asmatrix（x）
φ=np.零（形状=（x.形状[0]，p））
φ=np.asmatrix（φ）
对于范围（0，p）内的i：
打印（Phi[：，i]）
打印（np.功率（x，i））
φ[：，i]=np.幂（x，i）
返回φ
计算φ（np.mat（'1,2,3'），2）

输出

matrix([[1., 1.],
        [1., 2.],
        [1., 3.]])

---

实际上，错误是因为在for循环的第一次迭代中，Phi是np.array，而在第二次迭代中，它被更改为矩阵。如果您将行

Phi=np.asmatrix（Phi）

移动到循环外部，则它将起作用

def计算φ（x，p）：
x=np.asmatrix（x）
φ=np.零（形状=（x.形状[0]，p））
φ=np.asmatrix（φ）
对于范围（0，p）内的i：
打印（Phi[：，i]）
打印（np.功率（x，i））
φ[：，i]=np.幂（x，i）
返回φ
计算φ（np.mat（'1,2,3'），2）

输出

matrix([[1., 1.],
        [1., 2.],
        [1., 3.]])

---

使用

np.asarray（x）

。避免

asmatrix

你为x和pHi传递了什么值@Dev，在测试用例中x是np.mat（'1..2..3'），p是2。嗨@hpaulj，是的，我更改了它，但仍然给我相同的错误。你创建了

pHi

作为2d

ndarray

。为什么要在循环中通过

np.matrix

<代码>np。矩阵在索引时表现不同。这会产生混乱，这也是为什么不鼓励在新代码中使用它们的部分原因。请使用

np.asarray（x）

。避免

asmatrix

你为x和pHi传递了什么值@Dev，在测试用例中x是np.mat（'1..2..3'），p是2。嗨@hpaulj，是的，我更改了它，但仍然给我相同的错误。你创建了

pHi

作为2d

ndarray

。为什么要在循环中通过

np.matrix

<代码>np。矩阵在索引时表现不同。这会产生混乱，这也是为什么不鼓励在新代码中使用它们的部分原因。您好@Dev，您给出的上述代码现在给了我一个类型错误，而不是广播错误。它表示，断言类型（Phi）=np.matrixlib.defmatrix。matrix@VishwaV在哪一行，代码为我工作，用python3@VishwaV如果您的函数调用方需要矩阵类型，请将return语句更改为“return np.asmatrix（Phi）”即可，但不应执行此操作，因为在赋值中不应更改给定的return语句。你能告诉我实现上述想法的另一种方法吗？我在上面编辑了答案，请检查这是否适用于yourHi@Dev，你给我的上述代码现在给出的是一个类型错误，而不是广播错误。它表示，断言类型（Phi）=np.matrixlib.defmatrix。matrix@VishwaV在哪一行，代码为我工作，用python3@VishwaV如果您的函数调用方需要矩阵类型，请将return语句更改为“return np.asmatrix（Phi）”即可，但不应执行此操作，因为在赋值中不应更改给定的return语句。你能告诉我实现你上述想法的另一种方法吗？我在上面编辑了答案，请检查这是否适用于你的想法