ValueError：使用序列设置数组元素-IT科技

摘要：问题描述：为什么会出现下面的代码示例：np.array([[1, 2], [2, 3, 4]]) np.array([1.2, "abc"], dtype=float) 都出现以下错误？ValueError: setting an array element with a sequenc...

问题描述：

为什么会出现下面的代码示例：

np.array([[1, 2], [2, 3, 4]])

np.array([1.2, "abc"], dtype=float)

都出现以下错误？

ValueError: setting an array element with a sequence.

解决方案 1：

可能的原因 1：尝试创建锯齿状数组

您可能正在从一个形状不像多维数组的列表创建一个数组：

numpy.array([[1, 2], [2, 3, 4]])         # wrong!

numpy.array([[1, 2], [2, [3, 4]]])       # wrong!

在这些示例中，参数numpy.array包含不同长度的序列。这些将产生此错误消息，因为输入列表的形状不像可以转换为多维数组的“盒子”。

可能的原因 2：提供不兼容类型的元素

例如，提供一个字符串作为类型数组中的元素float：

numpy.array([1.2, "abc"], dtype=float)   # wrong!

如果你确实想要一个包含字符串和浮点数的 NumPy 数组，那么可以使用 dtype object，它允许数组保存任意 Python 对象：

numpy.array([1.2, "abc"], dtype=object)

解决方案 2：

Python 值错误：

ValueError: setting an array element with a sequence.

顾名思义，就是试图将一系列数字塞入一个数字槽中。它可以在各种情况下抛出。

1.当你传递一个python元组或列表来解释为numpy数组元素时：

import numpy

numpy.array([1,2,3])               #good

numpy.array([1, (2,3)])            #Fail, can't convert a tuple into a numpy 
                                   #array element


numpy.mean([5,(6+7)])              #good

numpy.mean([5,tuple(range(2))])    #Fail, can't convert a tuple into a numpy 
                                   #array element


def foo():
    return 3
numpy.array([2, foo()])            #good


def foo():
    return [3,4]
numpy.array([2, foo()])            #Fail, can't convert a list into a numpy 
                                   #array element

2.尝试将长度>1的numpy数组塞入numpy数组元素中：

x = np.array([1,2,3])
x[0] = np.array([4])         #good



x = np.array([1,2,3])
x[0] = np.array([4,5])       #Fail, can't convert the numpy array to fit 
                             #into a numpy array element

正在创建一个 numpy 数组，但 numpy 不知道如何将多值元组或数组塞入单个元素槽。它希望您提供的任何值都计算为单个数字，如果不是，Numpy 会响应说它不知道如何使用序列设置数组元素。

解决方案 3：

就我而言，我在 Tensorflow 中遇到了这个错误，原因是我试图输入具有不同长度或序列的数组：

例子：

import tensorflow as tf

input_x = tf.placeholder(tf.int32,[None,None])



word_embedding = tf.get_variable('embeddin',shape=[len(vocab_),110],dtype=tf.float32,initializer=tf.random_uniform_initializer(-0.01,0.01))

embedding_look=tf.nn.embedding_lookup(word_embedding,input_x)

with tf.Session() as tt:
    tt.run(tf.global_variables_initializer())

    a,b=tt.run([word_embedding,embedding_look],feed_dict={input_x:example_array})
    print(b)

如果我的数组是：

example_array = [[1,2,3],[1,2]]

然后我会得到错误：

ValueError: setting an array element with a sequence.

但如果我做填充那么：

example_array = [[1,2,3],[1,2,0]]

现在它开始发挥作用了。

解决方案 4：

对于那些在 Numpy 中遇到类似问题的人来说，一个非常简单的解决方案是：

定义dtype=object数组时为其分配值。例如：

out = np.empty_like(lil_img, dtype=object)

解决方案 5：

就我而言，问题出在另一个方面。我试图将 int 列表的列表转换为数组。问题是有一个列表的长度与其他列表不同。如果你想证明这一点，你必须这样做：

print([i for i,x in enumerate(list) if len(x) != 560])

就我的情况来说，长度参考是 560。

解决方案 6：

就我而言，问题出在数据框 X[] 的散点图上：

ax.scatter(X[:,0],X[:,1],c=colors,    
       cmap=CMAP, edgecolor='k', s=40)  #c=y[:,0],

#ValueError: setting an array element with a sequence.
#Fix with .toarray():
colors = 'br'
y = label_binarize(y, classes=['Irrelevant','Relevant'])
ax.scatter(X[:,0].toarray(),X[:,1].toarray(),c=colors,   
       cmap=CMAP, edgecolor='k', s=40)

解决方案 7：

发生此错误的一个常见原因是当您想使用调用将数组的 dtype 从更改object为int/等时。可能有两种情况：float`astype()`

a) 锯齿状数组

最常见的情况是数组参差不齐。在这种情况下，可能需要先将“内部”数组展平，然后再更改 dtype。

import numpy as np
arr = np.array([1,2, [3,4]], dtype=object)
arr.astype(int)             # <--- ValueError: setting an array element with a sequence.

# flatten array
out = []
for x in arr:
    if isinstance(x, (list, np.ndarray, tuple)):
        out.extend(x)
    else:
        out.append(x)
arr = np.array(out)         # <--- OK

b) “内部”数组读取不正确

另一种常见的情况是，当objectdtype 数组的“内部”数组未被正确读取时，即使形状和 dtype 看似正常，也会导致此错误。

例如在以下情况下，“内部”数组arr具有相同的形状（并且具有相同的 dtype），因此我们没有锯齿状数组问题，但是在调用时astype(int)，我们收到标题中的错误。

arr = np.array([1, 2], dtype=object)
arr[:2] = [[10], [20]]
arr                     # array([list([10]), list([20])], dtype=object)

arr.astype(int)         # <--- ValueError: setting an array element with a sequence.

在这种情况下，先转换arr为列表，稍后再转换为 ndarray；或者仅stack()此而已。

np.array(arr.tolist())  # <--- OK
np.stack(arr)           # <--- OK

当尝试使用将包含列表/ndarrays 的 pandas 列转换为 numpy ndarray 时，通常会发生此错误astype()。换句话说，如果您想使用进行以下转换，就会发生这种情况astype()。

pandas 案例

astype()在这种情况下，不要使用，而是使用stack()或转换为列表并转换为 ndarray。

import pandas as pd

s = pd.Series([[1,2], [3,4]])

s.astype(int)             # <--- ValueError: setting an array element with a sequence.
s.to_numpy().astype(int)  # <--- ValueError: setting an array element with a sequence.
np.array(s.tolist())      # <--- OK
np.stack(s)               # <--- OK

`np.where()`/`np.nonzero()`返回一个元组

另一个发生此错误的常见示例是当您想将返回的值分配np.where()给数组时。但是，np.where()当仅传递条件时，将返回一个元组（与相同np.nonzero()），这会导致此错误，原因与Eric Leschinski 的回答中解释的相同。在这种情况下，仅从元组中分配相关值（在下面的示例中，即元组中的第一个项）。

arr = np.array([1, 2, 3])

arr[:3] = np.where(arr>0)       # <--- ValueError: ...
arr[:3] = np.where(arr>0)[0]    # <--- OK
arr[:3] = np.nonzero(arr>0)[0]  # <--- OK

解决方案 8：

当形状不规则或元素具有不同的数据类型时，dtype传递给 np.array 的参数只能是object。

import numpy as np

# arr1 = np.array([[10, 20.], [30], [40]], dtype=np.float32)  # error
arr2 = np.array([[10, 20.], [30], [40]])  # OK, and the dtype is object
arr3 = np.array([[10, 20.], 'hello'])     # OK, and the dtype is also object

解决方案 9：

就我而言，我有一个嵌套列表作为我想要用作输入的系列。

首先检查：如果

df['nestedList'][0]

输出类似的列表[1,2,3]，您有一个嵌套列表。

然后检查更改为输入时是否仍然出现错误df['nestedList'][0]。

然后你的下一步可能是将所有嵌套列表连接成一个非嵌套列表，使用

[item for sublist in df['nestedList'] for item in sublist]

这种嵌套列表的扁平化借鉴自如何用列表列表制作扁平列表？。

解决方案 10：

就我而言，这是版本问题。我收到 numpy 版本 = 1.24.1 的错误。但是当我降级到 1.21.6 时，问题就解决了。

python -m pip install numpy==1.21.6

解决方案 11：

错误是因为 np.array 函数的 dtype 参数指定了数组中元素的数据类型，并且只能将其设置为与所有元素兼容的单一数据类型。值“abc”不是有效的浮点数，因此尝试将其转换为浮点数会导致 ValueError。为了避免此错误，您可以从列表中删除字符串元素，或者选择可以同时处理浮点值和字符串值的其他数据类型，例如对象。