Python TypeError:迭代器操作数或请求的数据类型保留引用_Python_Arrays_Numpy

Python TypeError:迭代器操作数或请求的数据类型保留引用

python arrays numpy

Python TypeError:迭代器操作数或请求的数据类型保留引用,python,arrays,numpy,Python,Arrays,Numpy,Python新手。我在使用numpy的时候遇到了nditer（），它迭代多维数组以获得标量。我有点搞不清楚它是如何工作或行为的。 arr2 = np.array([[1, 2, 3],[4, 5, 6]]) for x in np.nditer(arr2): print(x,end=" ") 它发出123456 但是，如果我更改其中一个数组中的元素数，它将抛出一个错误 arr2 = np.array([[1, 2, 3],[4, 5, 6, 7]]) for x i

Python新手。我在使用numpy的时候遇到了nditer（），它迭代多维数组以获得标量。我有点搞不清楚它是如何工作或行为的。

arr2 = np.array([[1, 2, 3],[4, 5, 6]])
for x in np.nditer(arr2):
    print(x,end=" ")

它发出123456
但是，如果我更改其中一个数组中的元素数，它将抛出一个错误

arr2 = np.array([[1, 2, 3],[4, 5, 6, 7]])
for x in np.nditer(arr2):
    print(x,end=" ")

TypeError：迭代器操作数或请求的数据类型保留引用，但未启用REFS\u OK标志

我做错了什么，或者nditer（）只适用于规则形状的数组？是否有任何方法可以从形状不规则的数据阵列中获取标量值（当然不用于循环）？

您可以使用以下方法展平数据阵列：

arr2.sum()
# Result will be: [1, 2, 3, 4, 5, 6, 7]

然后可以继续在单个for循环中获取标量值

更详细的说明。

您可以使用以下方法展平数据阵列：

arr2.sum()
# Result will be: [1, 2, 3, 4, 5, 6, 7]

然后可以继续在单个for循环中获取标量值

更详细的解释。

不同之处在于，当您声明

arr2=np.array（[[1,2,3]，[4,5,6,7]]）

时，结果不是结构化数据，它将被指定为包含列表的object类型数组：

array([list([1, 2, 3]), list([4,5,6,7])], dtype=object)

当您输入结构化数据时，输出将是一个具有输入类型（int64、float64等）和相应维度的数组

如果您有一组大小不同的列表，最好的解决方案是创建一个包含所有元素的列表并对其进行迭代。如果你想坚持使用numpy，你可以做

np.concatenate（[[1,2,3]，[4,5,6,7]）

，这将返回一个维度1的平坦数组，你也可以迭代它

import numpy as np

arr2 = np.concatenate([[1, 2, 3],[4, 5, 6, 7]])
for x in np.nditer(arr2):
    print(x,end=" ")

不同之处在于，当您声明

arr2=np.array（[[1,2,3]，[4,5,6,7]]）

时，结果不是结构化数据，它将被指定为包含列表的object类型的数组：

array([list([1, 2, 3]), list([4,5,6,7])], dtype=object)

当您输入结构化数据时，输出将是一个具有输入类型（int64、float64等）和相应维度的数组

如果您有一组大小不同的列表，最好的解决方案是创建一个包含所有元素的列表并对其进行迭代。如果你想坚持使用numpy，你可以做

np.concatenate（[[1,2,3]，[4,5,6,7]）

，这将返回一个维度1的平坦数组，你也可以迭代它

import numpy as np

arr2 = np.concatenate([[1, 2, 3],[4, 5, 6, 7]])
for x in np.nditer(arr2):
    print(x,end=" ")

第一种情况产生一个二维数字数组：

In [1]: arr = np.array([[1,2,3],[4,5,6]])
In [2]: arr
Out[2]: 
array([[1, 2, 3],
       [4, 5, 6]])
In [3]: arr.shape
Out[3]: (2, 3)

您可以轻松地重塑这样的阵列：

In [4]: arr.ravel()
Out[4]: array([1, 2, 3, 4, 5, 6])

像这样的整个数组操作比循环或另一个（隐藏的）迭代（在Python代码中）更受欢迎

第二种情况不产生二维阵列：

In [5]: arr2 = np.array([[1,2,3],[4,5,6,7]])
<ipython-input-5-4a78eda0f1a8>:1: VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray
  arr2 = np.array([[1,2,3],[4,5,6,7]])
In [6]: arr2 = np.array([[1,2,3],[4,5,6,7]], object)
In [7]: arr2
Out[7]: array([list([1, 2, 3]), list([4, 5, 6, 7])], dtype=object)
In [8]: arr2.shape
Out[8]: (2,)

我们不需要对这样的列表使用

numpy

In [10]: alist = [[1,2,3],[4,5,6,7]]
In [12]: [i for j in alist for i in j]
Out[12]: [1, 2, 3, 4, 5, 6, 7]

===

np.nditer

需要更强的免责声明。最好将其视为编写编译代码的桥梁（使用

cython

），而不是Python代码中的主要工具。它不会提高速度或避免“循环”。有很多可能有用，但只会让初学者感到困惑的东西

In [13]: for x in np.nditer(arr):
    ...:     print(x, x.shape, type(x))
    ...: 
1 () <class 'numpy.ndarray'>
2 () <class 'numpy.ndarray'>
3 () <class 'numpy.ndarray'>
4 () <class 'numpy.ndarray'>
5 () <class 'numpy.ndarray'>
6 () <class 'numpy.ndarray'>

与前面一样，

是一个0d数组，只有在这种情况下，该数组的元素是一个对象，一个列表。因此，如果您的目标是展开迭代，则这没有帮助。