ValueError：使用序列设置数组元素

Question

为什么以下代码示例：

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

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

全部给出以下错误？

ValueError: setting an array element with a sequence.

Answer 1

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不同数据类型，例如 object.

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

Answer 2

可能的原因 1：尝试创建锯齿状数组

您可能从形状不像多维数组的列表创建数组：

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

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

在这些示例中，numpy.array 的参数包含序列不同长度的。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，提供字符串作为float类型数组中的元素：

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

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

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

Answer 3

Python ValueError：

ValueError: setting an array element with a sequence.

顾名思义，您正在尝试将一系列数字塞入单个数字槽中。它可以在各种情况下抛出。

1.当您传递一个 python 元组或列表以将其解释为 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.通过尝试填充 numpy 数组 length > 1 到 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 numpy 数组，numpy 不知道如何将多值元组或数组填充到单个元素槽中。它期望您给它的任何内容都计算为单个数字，如果不是，Numpy 会响应它不知道如何使用序列设置数组元素。

Answer 4

就我而言，我在 Tensorflow 中遇到此错误，原因是我试图提供具有不同长度或序列的数组：

示例：

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]]

那么我会收到错误：

ValueError: setting an array element with a sequence.

但如果我进行填充，那么：

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

现在它正在工作。

Answer 5

对于那些在 Numpy 中遇到类似问题的人，一个非常简单的解决方案是：

在定义用于为其赋值的数组时定义 dtype=object 。例如：

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

Answer 6

就我而言，问题是另一个。我试图将 int 列表的列表转换为数组。问题在于，有一个列表的长度与其他列表的长度不同。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])

在我的例子中，长度参考是560。

Answer 7

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)

Answer 8

发生此错误的一个常见原因是当您想要使用 将数组的数据类型从 object 更改为 int/float 等时astype() 调用。可能有两种情况：

• a) 锯齿状数组

  最常见的情况是数组呈锯齿状。在这种情况下，“内部”数组可能需要在更改数据类型之前展平。

  将 numpy 导入为 np
  arr = np.array([1,2, [3,4]], dtype=对象)
  arr.astype(int) # <--- ValueError: 用序列设置数组元素。
  
  # 展平数组
  输出 = []
  对于 arr 中的 x：
      if isinstance(x, (列表, np.ndarray, 元组)):
          向外扩展(x)
      别的：
          输出.append(x)
  arr = np.array(out) # <--- 好的
  

  b) “内部”数组未正确读取

  另一种常见情况是当 object 数据类型数组的“内部”数组未正确读取时，即使形状和数据类型看似正常，也会导致此错误。

  例如，在下面的情况下，arr 的“内部”数组具有相同的形状（并且也具有相同的数据类型），因此我们还没有锯齿数组问题当调用 astype(int) 时，我们在标题中收到错误。

  arr = np.array([1, 2], dtype=object)
  arr[:2] = [[10], [20]]
  arr # 数组([列表([10]), 列表([20])], dtype=对象)
  
  arr.astype(int) # <--- ValueError: 用序列设置数组元素。
  

  本例中，将arr转换为列表，稍后再转换为ndarray；或者只是stack()它。

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

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

  

  在这种情况下，请使用 stack() 或转换为列表并转换为 ndarray，而不是 astype()。

  导入 pandas 作为 pd
  
  s = pd.Series([[1,2], [3,4]])
  
  s.astype(int) # <--- ValueError: 用序列设置数组元素。
  s.to_numpy().astype(int) # <--- ValueError: 用序列设置数组元素。
  np.array(s.tolist()) # <--- 好的
  np.stack(s) # <--- 好的
  

np.where()/np.nonzero() 返回一个元组

发生此错误的另一个常见示例是当您想要分配从 np 返回的值时。 where() 到一个数组。但是，np.where()当仅传递条件时返回一个元组（与np.nonzero()相同），这会导致此错误，原因相同Eric Leschinski 的回答中进行了解释。在这种情况下，仅分配元组中的相关值（在下面的示例中，这是元组中的第一项）。

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

Answer 9

当形状不规则或元素具有不同的数据类型时，传递给np.array的dtype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

``

Answer 10

就我而言，我有一个嵌套列表作为我想用作输入的系列。

首先检查：如果

df['nestedList'][0]

输出类似 [1,2,3] 的列表，则您有一个嵌套列表。

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

那么您的下一步可能是将所有嵌套列表连接到一个非嵌套列表中，使用

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

嵌套列表的扁平化借自 如何从列表列表中制作平面列表？。

Answer 11

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

python -m pip install numpy==1.21.6