TypeError / 数组索引； “int”对象不支持项目分配

Question

我有一个函数适用于包含多个项目的数组，但如果数组仅包含一项则失败。让我们考虑这个例子

import numpy as np

def checker(a):
   a[a>5] = np.nan

a = np.arange(10)
a = checker(a)

有效，但是

a = 1
a = checker(a)   # fails

并给出

Traceback (most recent call last):
   a[a>5] = np.nan
   TypeError: 'int' object does not support item assignment

我想像 MATLAB 一样处理它，而不喜欢这个版本的 checker()，它的行数比上面的版本多 4 倍。

def checker(a):
   try:
      a[a>5] = np.nan
   except TypeError:
      if a>5: a = np.nan

Answer 1

在 MATLAB 中，一切至少有 2 个维度；在numpy索引可以减少维数

np.shape(1)

是()？这与np.array(1).shape 相同，即单个元素数组的形状（MATLAB 术语中的大小）。它是 0d，而不是 MATLAB 中的 2d。

a = np.empty(np.shape(1))*np.nan
# a = np.array(np.nan) does the same thing

是nan，一个值为nan的单元素数组。

a[False]

显示为array([], dtype=float)，形状为(0,)；现在是 1d，但没有任何元素。

对于 0d 数组，唯一有意义的索引是 a[()]，它返回元素 nan，np.float64。 a.item() 也一样。

出于分配目的，我找不到更改该项目值的方法

a[???] = 0   

更正，可以使用省略号，因为它代表任意数量的:，包括无。

a[...] = 0
# array(0,0)

（你不需要a=0，因为那只是重新分配变量）。

一般来说，像这样的 0d 数组是可能的，但它们很少有用。

我不完全确定您要做什么（目前我没有有效的 Octave 会话）。但是，维度如何随索引而变化的这种差异是解决问题的关键。

a = np.array([np.nan])
a[np.array([False])] = 0   # no change
a[np.array([True])] = 0    # change

请注意，我将布尔索引设为数组，但只是一个标量或列表。这更接近您的 MATLAB 布尔索引。

Answer 2

要创建一个用nans 填充的空数组，可以使用np.fill：

a=np.empty(np.shape(1))
a.fill(np.nan)
b=False

a[b]=10

您收到错误是因为 a 不是数组，而是浮点数。

Answer 3

当您将标量数组乘以标量时，numpy 会将结果强制转换为标量：

>>> a = np.empty(())
>>> a
array(10.0)
>>> a * 2
20.0

如果需要将标量保持为数组，可以使用np.asarray(a * 2)