本文介绍了PythonNumpy重塑错误的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
尝试重塑3D Numpy数组时遇到奇怪错误。
数组(X)的形状为(6，10,300)，我要将其重塑为(6,3000)。
我使用的代码如下：
reshapedArray = np.reshape(x, (x.shape[0], x.shape[1]*x.shape[2]))
我收到的错误是：
TypeError: only integer scalar arrays can be converted to a scalar index
但是，如果我将x转换为一个列表，它将起作用：
x = x.tolist()
reshapedArray = np.reshape(x, (len(x), len(x[0])*len(x[0][0])))
您知道为什么会这样吗？
提前谢谢！
编辑：
这是我正在运行的代码，它会产生错误
x = np.stack(dataframe.as_matrix(columns=['x']).ravel())
print("OUTPUT:")
print(type(x), x.dtype, x.shape)
print("----------")
x = np.reshape(x, (x.shape[0], x.shape[1]*x[2]))
OUTPUT:
<class 'numpy.ndarray'> float64 (6, 10, 300)
----------
TypeError: only integer scalar arrays can be converted to a scalar index
推荐答案
仅当reshape的第二个参数的一个元素不是整数时才会发生异常，例如：
>>> x = np.ones((6, 10, 300))
>>> np.reshape(x, (np.array(x.shape[0], dtype=float), x.shape[1]*x.shape[2]))
TypeError: only integer scalar arrays can be converted to a scalar index
或如果它是array(给定编辑历史：这就是您的情况)：
>>> np.reshape(x, (x.shape[0], x.shape[1]*x[2]))
# forgot to access the shape------^^^^
TypeError: only integer scalar arrays can be converted to a scalar index
然而，它似乎适用于解决方法，这也使得不小心输入错误内容变得更加困难：
>>> np.reshape(x, (x.shape[0], -1))
如果您想知道-1文档中的说明：
一个形状维度可以是-1。在这种情况下，该值是从数组的长度和剩余维度推断出来的。
这篇关于PythonNumpy重塑错误的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！