ValueError：设置带有序列的数组元素

可能的原因 1：尝试创建交错数组

您可能正在从形状不像多维数组的列表中创建一个数组：

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

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

在这些示例中，参数 to 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“框”。numpy.array

可能的原因 2：提供不兼容类型的元素

例如，在以下类型的数组中提供字符串作为元素：float

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

如果你真的想有一个同时包含字符串和浮点数的 NumPy 数组，你可以使用 dtype ，它允许数组保存任意 Python 对象：object

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

The Python ValueError:

ValueError: setting an array element with a sequence.

正如它所说的那样，您正在尝试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. 当您传递要解释为 numpy 数组元素的 python 元组或列表时：

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. 通过尝试将长度> 1 的 numpy 数组元素塞入 numpy 数组元素：

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，而 numpy 不知道如何将多值元组或数组塞入单元素槽中。它期望你给它的任何结果都计算为一个数字，如果没有，Numpy 会响应说它不知道如何使用序列设置数组元素。

就我而言，问题是另一个问题。我正在尝试将 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不同。如果你想证明这一点，你必须做到：

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

就我而言，长度参考是 560。

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

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]]

然后我会得到错误：

ValueError: setting an array element with a sequence.

但是如果我做填充，那么：

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

现在它正在工作。

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：

定义时定义数组以为其赋值。例如：dtype=object

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

就我而言，问题出在数据帧 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)

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

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

``

就我而言，我有一个嵌套列表作为我想用作输入的系列。

第一次检查：如果

df['nestedList'][0]

输出一个列表，如 ，你有一个嵌套列表。[1,2,3]

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

然后，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]

嵌套列表的这种扁平化借鉴自 How to make a flat list out of list？。

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个数据类型。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。若要避免此错误，可以从列表中删除字符串元素，也可以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 object。

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

发生此错误的一个常见原因是当您想要使用调用将数组的 dtype 从 to / etc 更改为时。可能有两种情况：objectintfloatastype()

• a） 锯齿状阵列

  最常见的情况是阵列呈锯齿状。在这种情况下，在更改 dtype 之前，可能需要对“内部”数组进行扁平化。

  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”数组未正确读取

  另一种常见情况是当 dtype 数组的“内部”数组未正确读取时，即使形状和 dtypes 看似 a-OK，也会导致此错误。object

  例如，在以下情况下，“内部”数组具有相同的形状（并且也具有相同的 dtype），因此我们没有锯齿数组问题，但是在调用时，我们在标题中出现错误。arrastype(int)

  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，请转换为列表，稍后再转换为 ndarray;或者只是它。arrstack()

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

  当尝试使用 将包含 lists/ndarrays 的 pandas 列转换为 numpy ndarray 时，通常会发生此错误。换言之，如果要使用 进行以下转换，则会发生这种情况。astype()astype()

  

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

  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

发生此错误的另一个常见示例是，当您想要将返回的值分配给数组时。但是，当仅传递条件时，会返回一个元组（与 相同），这会导致此错误，原因与 Eric Leschinski 的回答中解释的原因相同。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）。np.where()np.where()np.nonzero()

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

就我而言，这是一个版本问题。我收到 numpy version = 1.24.1 的错误。但是当我降级到 1.21.6 时，问题得到了解决。

python -m pip install numpy==1.21.6