为什么我会收到 numpy.exp 的“ufunc 循环不支持 int 类型的参数 0”错误？

Question

我有一个数据框，我想对列中的行子集执行指数计算。我尝试了三个版本的代码，其中两个有效。但我不明白为什么一个版本给了我错误。

import numpy as np

版本 1（工作）

np.exp(test * 1.0)

版本 2（工作）

np.exp(test.to_list())

版本 3（错误）

np.exp(test)

它显示以下错误：

AttributeError                            Traceback (most recent call last)
AttributeError: 'int' object has no attribute 'exp'

The above exception was the direct cause of the following exception:

TypeError                                 Traceback (most recent call last)
<ipython-input-161-9d5afc93942c> in <module>()
----> 1 np.exp(pd_feature.loc[(pd_feature[col] > 0) & (pd_feature[col] < 700), col])

TypeError: loop of ufunc does not support argument 0 of type int which has no callable exp method

测试数据由以下生成：

test = pd.loc[(pd['a'] > 0) & (pd['a'] < 650), 'a']

测试中的数据只是：

0      600
2      600
42     600
43     600
47     600
60     600
67     600
Name: a, dtype: Int64

其数据类型为：

<class 'pandas.core.series.Series'>

但是，如果我尝试生成一个虚拟数据集，它会起作用：

data = {'a':[600, 600, 600, 600, 600, 600, 600], 'b': ['a', 'a', 'a', 'a', 'a', 'a', 'a']} 

df = pd.DataFrame(data) 

np.exp(df.loc[:,'a'])

知道为什么我会看到此错误吗？非常感谢。

Answer 1

我猜你的问题是因为某些 NumPy 函数明确需要 float-type 参数。但是，您的代码 np.exp(test) 的类型为 int。

尝试强制为float

import numpy as np

your_array = your_array.float()
output = np.exp(your_array)

# OR

def exp_test(x)
  x.float()
  return np.exp(x)

output = exp_test(your_array)

Answer 2

Yoshiaki 的回答中问题的根本原因是正确的

我猜你的问题是因为一些 numpy 函数需要明确地浮点类型参数，而你这样使用代码作为 np.exp(test) 将 int 数据放入参数中。

但是，他的解决方案对我不起作用，所以我稍微调整了一下，让它对我有用

your_array = your_array.astype(float)
output = np.exp(your_array)

Answer 3

虽然这个问题已经得到了充分的回答，但我还是想分享一下我在这个问题上的经验，希望能对这类问题以及造成这些问题的原因有更多的了解。根据我收集的信息，问题与“numpy 与非 numpy 数据类型”有关。这是一个最小的例子：

import numpy as np

arr_float = np.array([1., 2., 3.], dtype=object)
arr_float64 = arr_float.astype(float)  # The solution proposed in other answers
np.exp(arr_float)  # This throws the TypeError
np.exp(arr_float64)  # This works!

最终得到一个“看起来像浮点数”的对象类型数组可能有多种原因，这可能与从以不正确类型存储的 DataFrame 中提取分析数据有关（由于存在不可转换的条目)，或者在 numpy 和另一种媒体（如 pandas）之间来回转换。

总结 - 小心数据类型，float ≠ np.float64！

Answer 4

test = pd.loc[(pd['a'] > 0) & (pd['a'] < 650), 'a'].values