Numpy数组类型错误：只有整数标量数组可以转换为标量索引

Question

i=np.arange(1,4,dtype=np.int)
a=np.arange(9).reshape(3,3)

和

a
>>>array([[0, 1, 2],
          [3, 4, 5],
          [6, 7, 8]])
a[:,0:1]
>>>array([[0],
          [3],
          [6]])
a[:,0:2]
>>>array([[0, 1],
          [3, 4],
          [6, 7]])
a[:,0:3]
>>>array([[0, 1, 2],
          [3, 4, 5],
          [6, 7, 8]])

现在我想对数组进行矢量化，以便将它们打印在一起。我尽量

a[:,0:i]

或

a[:,0:i[:,None]]

它给出了TypeError：只有整数标量数组才能转换为标量索引

Answer 1

这可能与这个特定的问题无关，但是我遇到了一个类似的问题，我在Python列表上使用NumPy索引，得到了相同的确切错误消息：

# incorrect
weights = list(range(1, 129)) + list(range(128, 0, -1))
mapped_image = weights[image[:, :, band]] # image.shape = [800, 600, 3]
# TypeError: only integer scalar arrays can be converted to a scalar index

事实证明，在应用多维NumPy索引之前，我需要将1D Python列表中的权重转换为NumPy数组。下面的代码工作：

# correct
weights = np.array(list(range(1, 129)) + list(range(128, 0, -1)))
mapped_image = weights[image[:, :, band]] # image.shape = [800, 600, 3]

Answer 2

当我冒险使用numpy.concatenate来模拟2D向量的类似C的推回时，我遇到了这个问题；如果A和B是两个2Dnumpy.arrays，那么numpy.concatenate（A，B）会产生错误。

修复方法是简单地添加缺少的括号：numpy.concatenate（（A，B）），这是必需的，因为要连接的数组构成一个参数

Answer 3

简短的回答：

[a[:,:j] for j in i]

您尝试执行的不是可矢量化的操作。Wikipedia将矢量化定义为单个数组上的批处理操作，而不是单个标量上的批处理操作：

在计算机科学中，数组编程语言（也称为向量或多维语言）概括了标量运算，以透明地应用于向量、矩阵和高维数组。

...

... 在整个阵列上运行的操作可以称为矢量化操作。。。

就CPU级优化而言，矢量化的定义为：

“矢量化”（简化）是重写循环的过程，因此它不需要对数组中的单个元素进行N次处理，而是（比如）同时对数组中的4个元素进行N/4次处理。

您案例中的问题是，每个单独操作的结果都有不同的形状：（3,1）、（3,2）和（3,3）。它们不能形成单个矢量化操作的输出，因为输出必须是一个连续数组。当然，它可以包含（3，1）、（3，2）和（3，3）数组（作为视图），但这就是原始数组a的功能。

您真正想要的只是一个计算所有表达式的表达式：

[a[:,:j] for j in i]

... 但从性能优化的角度来看，它不是矢量化的。引擎盖下是一个简单的for循环，它逐个计算每个项目。