总结一下np.array或np.float

Question

我们有一个基于numpy的算法,应该处理不同类型的数据.

def my_fancy_algo(a):
    b = np.sum(a, axis=1)
    # Do something b
    return b

如果我们通过a=np.array[1.0, 2.0, 3.0]然后b评估到[6.0].

如果我们通过,a=6.0那么我们得到

*** ValueError: 'axis' entry is out of bounds

期望的行为是我们为两个输入获得相同的返回值6.0not([6.0]).

什么是正确的pythonic和安全的方法来处理这个？type？shape？

Answer 1

您的示例数组实际上提供了与标量相同的问题:

>>> a = np.array([1.0,2.0,3.0])
>>> np.sum(a, axis=1)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3.4/site-packages/numpy/core/fromnumeric.py", line 1724, in sum
    out=out, keepdims=keepdims)
  File "/usr/lib/python3.4/site-packages/numpy/core/_methods.py", line 32, in _sum
    return umr_sum(a, axis, dtype, out, keepdims)
ValueError: 'axis' entry is out of bounds

好消息是,有一个numpy函数正是为了确保使用axis=1will工作的numpy调用- 它被称为np.atleast_2d:

>>> np.sum(np.atleast_2d(a), axis=1)
array([ 6.])
>>> np.sum(np.atleast_2d(6.0), axis=1)
array([ 6.])

但是既然你显然想要一个标量答案,你可以axis完全放弃这个论点:

>>> np.sum(a)
6.0
>>> np.sum(6.0)
6.0