ValueError：n = 600 数组的布尔索引过多（浮点数）

Question

我在尝试运行时遇到问题（在 Python 上）：

#Loading in the text file in need of analysis
x,y=loadtxt('2.8k to 293k 15102014_rerun 47_0K.txt',skiprows=1,unpack=True,dtype=float,delimiter=",")

C=-1.0      #Need to flip my voltage axis

yone=C*y    #Actually flipping the array

plot(x,yone)#Test

origin=600.0#Where is the origin? i.e V=0, taking the 0 to 1V elements of array

xorg=x[origin:1201]# Array from the origin to the final point (n)

xfit=xorg[(x>0.85)==True] # Taking the array from the origin and shortening it further to get relevant area

它返回 ValueError。我尝试用一​​个包含 10 个元素的小得多的数组来完成这个过程，xfit=xorg[(x>0.85)==True] 命令工作正常。该程序试图做的是将某些数据的视野缩小到相关点，以便我可以拟合一条最适合数据线性元素的线。

对于格式混乱，我深表歉意，但这是我在此网站上提出的第一个问题，因为我无法搜索我能理解的问题所在。

Answer 1

此答案适用于不了解 numpy 数组的人（如我），感谢 MrE 提供指向 numpy 文档的指针。

Numpy 数组具有布尔掩码这个不错的特性。

对于 numpy 数组，大多数运算符会返回应用于每个元素的操作数组 - 而不是像普通 Python 列表那样的单个结果：

>>> alist = range(10)
>>> alist
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

>>> alist > 5
True

>>> anarray = np.array(alist)
>>> anarray
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> anarray > 5
array([False, False, False, False, False, False,  True,  True,  True,  True], dtype=bool)

您可以使用 bool 数组作为 numpy 数组的索引，在这种情况下，您将获得一个过滤后的数组，用于对应的 bool 数组元素为 True 的位置。

>>> mask = anarray > 5
>>> anarray[mask]
array([6, 7, 8, 9])

掩码不能大于数组：

>>> anotherarray = anarray[mask]
>>> anotherarray
array([6, 7, 8, 9])

>>> anotherarray[mask]
ValueError: too many boolean indices

所以你不能使用比你要屏蔽的数组更大的掩码：

>>> anotherarray[anarray > 7]
ValueError: too many boolean indices

>>> anotherarray[anotherarray > 7]
array([8, 9])

由于xorg 小于x，基于x 的掩码将比xorg 长，您会得到ValueError 异常。

Answer 2

尝试以下方法： 替换你的代码

xorg=x[origin:1201]
xfit=xorg[(x>0.85)==True]    

与

mask = x > 0.85
xfit = xorg[mask[origin:1201]]

这在 x 是 numpy.ndarray 时有效，否则您可能会遇到问题，因为高级索引将返回视图，而不是副本，请参阅 SciPy/NumPy documentation。

我不确定你是否喜欢使用 numpy，但是在尝试拟合数据时，无论如何，numpy/scipy 是一个不错的选择...

Answer 3

改变

xfit=xorg[x>0.85]

到

xfit=xorg[xorg>0.85]

x 比 xorg 大，所以 x > 0.85 的元素比 xorg 多