TypeError: cannot perform reduce with flexible type
想要解决这个错误,最好先明白numpy数据类型的dtype转换
生成一个浮点数组
a=np.random.random(4) 输出 a array([0.0945377,0.52199916,0.62490646,0.2160126]) a.dtype dtype('float64') a.shape (4,)
改变dtype,发现数组长度翻倍!
>>> a.dtype = 'float16' >>> a array([ -9.58442688e-05, 7.19000000e+02, 2.38159180e-01, 1.92968750e+00, nan, -1.66034698e-03, -2.63427734e-01, 1.96875000e+00, -1.07519531e+00, -1.19625000e+02, nan, 1.97167969e+00, -1.60156250e-01, -7.76290894e-03, 4.07226562e-01, 1.94824219e+00], dtype=float16) >>> a.shape (16,)
改变dtype='float',发现默认就是float64,长度也变回最初的4
>>> a.dtype = 'float' >>> a array([ 0.0945377 , 0.52199916, 0.62490646, 0.21260126]) >>> a.shape (4,) >>> a.dtype dtype('float64')
把a变为整数,观察其信息
>>> a.dtype = 'int64' >>> a array([4591476579734816328, 4602876970018897584, 4603803876586077261, 4596827787908854048], dtype=int64) >>> a.shape (4,)
改变dtype,发现数组长度翻倍!
>>> a.dtype = 'int32' >>> a array([ 1637779016, 1069036447, -1764917584, 1071690807, -679822259, 1071906619, -1611419360, 1070282372]) >>> a.shape (8,)
改变dtype,发现数组长度再次翻倍!
>>> a.dtype = 'int16' >>> a array([-31160, 24990, 13215, 16312, 32432, -26931, -19401, 16352, -17331, -10374, -197, 16355, -20192, -24589, 13956, 16331], dtype=int16) >>> a.shape (16,)
改变dtype,发现数组长度再次翻倍!
>>> a.dtype = 'int8' >>> a array([ 72, -122, -98, 97, -97, 51, -72, 63, -80, 126, -51, -106, 55, -76, -32, 63, 77, -68, 122, -41, 59, -1, -29, 63, 32, -79, -13, -97, -124, 54, -53, 63], dtype=int8) >>> a.shape (32,)
改变dtype,发现整数默认int32!
>>> a.dtype = 'int' >>> a.dtype dtype('int32') >>> a array([ 1637779016, 1069036447, -1764917584, 1071690807, -679822259, 1071906619, -1611419360, 1070282372]) >>> a.shape (8,)
很多时候我们用numpy从文本文件读取数据作为numpy的数组,默认的dtype是float64。
但是有些场合我们希望有些数据列作为整数。如果直接改dtype=‘int’的话,就会出错!原因如上,数组长度翻倍了
下面的场景假设我们得到了导入的数据。我们的本意是希望他们是整数,但实际上却是浮点数(float64)
>>> b = np.array([1., 2., 3., 4.]) >>> b.dtype dtype('float64')
用astype(int)得到整数,并且不改变数组长度
>>> c = b.astype(int) >>> c array([1, 2, 3, 4]) >>> c.shape (8,) >>> c.dtype dtype('int32')
如果直接改变b的dtype的话,b的长度翻倍了,这不是我们想要的
>>> b array([ 1., 2., 3., 4.]) >>> b.dtype = 'int' >>> b.dtype dtype('int32') >>> b array([ 0, 1072693248, 0, 1073741824, 0, 1074266112, 0, 1074790400]) >>> b.shape (8,)
结论:
numpy中的数据类型转换,不能直接改原数据的dtype!只能用函数astype().
现在来说这个错误:
我是对矩阵进行一次np.arry之后求最小值,再次np.array求最小值时报了这个错误:TypeError: cannot perform reduce with flexible type
解决办法是用astype可以改变矩阵的dtype类型,于是我试着把我的矩阵的dtype改一下:
e=np.array(A[j]).astype(float).min()
问题解决!