Numpy ValueError：设置带有序列的数组元素。此消息可能会在没有序列存在的情况下出现？[重复]-IT科技

Numpy ValueError：设置带有序列的数组元素。此消息可能会在没有序列存在的情况下出现？[重复]

2025-03-21 09:07:00

admin

原创

摘要：问题描述：为什么我会收到此错误消息？ ValueError：使用序列设置数组元素。谢谢Z=np.array([1.0,1.0,1.0,1.0]) def func(TempLake,Z): A=TempLake B=Z return A*B Nlayers=Z.size N=3...

问题描述：

为什么我会收到此错误消息？ ValueError：使用序列设置数组元素。谢谢

Z=np.array([1.0,1.0,1.0,1.0])  

def func(TempLake,Z):
    A=TempLake
    B=Z
    return A*B

Nlayers=Z.size
N=3
TempLake=np.zeros((N+1,Nlayers))

kOUT=np.zeros(N+1)
for i in xrange(N):
    kOUT[i]=func(TempLake[i],Z)

解决方案 1：

您收到错误消息

ValueError: setting an array element with a sequence.

因为您尝试设置带有序列的数组元素。我并不是想耍小聪明——错误消息试图准确地告诉您问题是什么。不要认为这是一个神秘的错误，它只是一个短语。哪一行给出了问题？

kOUT[i]=func(TempLake[i],Z)

ith此行尝试将元素设置kOUT为返回的任何值func(TempLAke[i], Z)。查看此i=0案例：

In [39]: kOUT[0]
Out[39]: 0.0

In [40]: func(TempLake[0], Z)
Out[40]: array([ 0.,  0.,  0.,  0.])

您正在尝试加载一个 4 元素数组，其中kOUT[0]只有一个浮点数。因此，您尝试设置一个数组元素（左侧，kOUT[i]）和一个序列（右侧，func(TempLake[i], Z)）。

可能func没有做你想做的事，但我不确定你真正想让它做什么（并且不要忘记你通常可以使用像 A*B 这样的矢量化操作而不是在 numpy 中循环。）无论如何，这应该可以解释这个问题。

解决方案 2：

可惜两个答案都分析了问题，却没有给出直接的答案，我们看代码吧。

Z = np.array([1.0, 1.0, 1.0, 1.0])  

def func(TempLake, Z):
    A = TempLake
    B = Z
    return A * B
Nlayers = Z.size
N = 3
TempLake = np.zeros((N+1, Nlayers))
kOUT = np.zeros(N + 1)

for i in xrange(N):
    # store the i-th result of
    # function "func" in i-th item in kOUT
    kOUT[i] = func(TempLake[i], Z)

错误表明您将 kOUT(dtype:int) 的第 i 项设置为数组。这里 kOUT 中的每个项都是 int，不能直接分配给另一个数据类型。因此，您应该在创建 kOUT 时声明其数据类型。例如：

更改下面的语句：

kOUT = np.zeros(N + 1)

进入：

kOUT = np.zeros(N + 1, dtype=object)

或者：

kOUT = np.zeros((N + 1, N + 1))

全部代码：

import numpy as np
Z = np.array([1.0, 1.0, 1.0, 1.0])

def func(TempLake, Z):
    A = TempLake
    B = Z
    return A * B

Nlayers = Z.size
N = 3
TempLake = np.zeros((N + 1, Nlayers))

kOUT = np.zeros(N + 1, dtype=object)
for i in xrange(N):
    kOUT[i] = func(TempLake[i], Z)

希望它能帮助你。

解决方案 3：

我相信 Python 数组只接受值。因此将其转换为列表：

kOUT = np.zeros(N+1)
kOUT = kOUT.tolist()

解决方案 4：

Z=np.array([1.0,1.0,1.0,1.0])  

def func(TempLake,Z):
    A=TempLake
    B=Z
    return A*B
Nlayers=Z.size
N=3
TempLake=np.zeros((N+1,Nlayers))
kOUT=np.vectorize(func)(TempLake,Z)

这也有效，而不是循环，只需矢量化，但是请阅读 scipy 文档中的以下注释：https://docs.scipy.org/doc/numpy/reference/generated/numpy.vectorize.html

vectorize 函数主要是为了方便使用，而不是为了提高性能。其实现本质上是一个 for 循环。

如果未指定 otypes，则将使用第一个参数调用函数来确定输出数量。如果 cache 为 True，则将缓存此调用的结果，以防止两次调用该函数。但是，要实现缓存，必须包装原始函数，这会减慢后续调用的速度，因此只有当您的函数很昂贵时才这样做。