Numpy: बग: स्केलर और आकृति == (1,) सरणियों को मिलाते समय आयाम की खोज विफल हो जाती है

को निर्मित 9 दिस॰ 2019 · 5टिप्पणियाँ · स्रोत: numpy/numpy

np.array([0.25, np.array([0.3])]) फ्लोट ऐरे बनाने में विफल होंगे, dtype ऑब्जेक्ट होगा।

यह मुझे गलत लगता है, क्या यह जानबूझकर है?

00 - Bug numpy.dtype

स्रोत

mattip

सभी 5 टिप्पणियाँ

Cc @nschloe , जो इस प्रकार की चीज़ के खिलाफ हैं और उनके मुद्दे से जुड़ सकते हैं

eric-wieser 9 दिस॰ 2019

👍1

CCing के लिए धन्यवाद। हाँ, यह वास्तव में कुछ के बारे में मुझे लग रहा है की तरह लग रहा है। : स्माइली_कैट: https://github.com/numpy/numpy/issues/10404

मैं तर्क दूंगा कि ऑब्जेक्ट ऐरे बनाना यहां सही बात है। आखिरकार, आप एक फ्लोट और एक सरणी डाल रहे हैं। यदि आपने पायथन सूची बनाई है,

[0.25, np.array([0.3])]

आप एक ही बात की उम्मीद करेंगे: पहली प्रविष्टि एक फ्लोट है, दूसरी लंबाई की एक सरणी है। यह भ्रामक होगा यदि सूची और np.arrays यहां अलग-अलग व्यवहार करते हैं।

इसके अलावा, स्पष्ट रूप से यहाँ एक dtype फ़्लोट ऐरे का निर्माण करना कभी भी [float, vector[1]] ऐरे को बनाना असंभव बना देता, भले ही मैं चाहता था।

ज्यादातर समय, np.array([0.25, np.array([0.3])]) निर्दिष्ट करते हुए गलती से किया जाता है, और आसानी से तय किया जा सकता है; देखें, जैसे, https://github.com/scipy/scipy/pull/11147/files#diff -21a6a0b0d89357857304bfba2da5a971L321। आख़िरकार,

निहितार्थ की तुलना में स्पष्ट है।

nschloe 9 दिस॰ 2019

👍1

ठीक है, समापन। उस पीआर ने हाल ही में एनईपी 34 बदलाव किए हैं (उल्टे होने के बाद) कम चीर-फाड़ के लिए विघटनकारी।

mattip 9 दिस॰ 2019

👍1

@nschloe

स्पष्ट रूप से यहाँ एक dtype फ्लोट ऐरे का निर्माण करना कभी भी [फ्लोट, वेक्टर [1]] एरे को बनाना असंभव बना देता है, भले ही मैं चाहता हूँ।

रिकॉर्ड के लिए, आप np.array(0.3, np.array([0.3]), dtype=object) ।

यदि आपने पायथन सूची बनाई ...

NumPy ndarrays अजगर सूचियों से बहुत अलग हैं। मुझे इसकी कोई उम्मीद नहीं होगी
np.array([0.2, 0.3, 0.4]) एक ऑब्जेक्ट एरे का निर्माण करेगा, जबकि मैंने dtype के लिए np.float64 निर्दिष्ट नहीं किया था। इसलिए हम सहमत हैं कि हम स्वचालित, मूल्य-आधारित dtype खोज के कुछ स्तर के साथ सहज हैं। सवाल यह है कि क्या करना चाहिए पूर्ववर्ती: संख्यात्मक प्रकार या वस्तु प्रकार।

mattip 10 दिस॰ 2019

इसलिए हम सहमत हैं कि हम स्वचालित, मूल्य-आधारित dtype खोज के कुछ स्तर के साथ सहज हैं।

"स्वचालन" मेरे विचार से काफी स्पष्ट है: हमेशा "सबसे कम" डेटा प्रकार प्राप्त करें जो सभी इनपुट मूल्यों को कैप्चर कर सकते हैं:

numpy.array([1, 2]).dtype   # int64
numpy.array([1, numpy.array(2)]).dtype  # int64, array of rank 0 are basically scalars
numpy.array([1.0, 2]).dtype   # float64
numpy.array([1, [2]]).dtype   # O

nschloe 10 दिस॰ 2019

क्या यह पृष्ठ उपयोगी था?

0 / 5 - 0 रेटिंग्स

Numpy: बग: स्केलर और आकृति == (1,) सरणियों को मिलाते समय आयाम की खोज विफल हो जाती है

सभी 5 टिप्पणियाँ

संबंधित मुद्दों