Question

我在NumPy中计算矩阵的特征向量和特征值，只想通过assert()检查结果。这会引发一个我不太了解的ValueError，因为打印这些比较效果很好。有关如何使assert()工作的任何提示？

import numpy as np
A = np.array([[3,5,0], [5,7,12], [0,12,5]])
eig_val, eig_vec = np.linalg.eig(A)
print('eigenvalue:', eig_val)
print('eigenvector:', eig_vec)

for col in range(A.shape[0]):
    assert( (A.dot(eig_vec[:,col])) == (eig_val[col] * eig_vec[:,col]) )

Answer 1

错误消息很好地解释了它：

ValueError: The truth value of an array with more than one element is ambiguous. 
Use a.any() or a.all()

bool(np.array([False, False, True]))应该返回什么？你可以提出几个看似合理的论点：

（1）True，因为bool(np.array(x))应该返回与bool(list(x))相同的内容，而非空列表则是真实的;

（2）True，因为至少有一个元素是True;

（3）False，因为并非所有元素都是True;

并且甚至没有考虑到N-d案件的复杂性。

因此，由于“具有多个元素的数组的真值是不明确的”，您应该使用.any()或.all()，例如：

>>> v = np.array([1,2,3]) == np.array([1,2,4])
>>> v
array([ True,  True, False], dtype=bool)
>>> v.any()
True
>>> v.all()
False

如果您要比较浮点数组，可能需要考虑np.allclose：

>>> np.allclose(np.array([1,2,3+1e-8]), np.array([1,2,3]))
True

Answer 2

正如它所说，这是模棱两可的。您的数组比较返回一个布尔数组。方法any（）和all（）减少数组上的值（logical_or或logical_and）。而且，您可能不想检查是否相等。您应该用以下内容替换您的条件：

np.allclose(A.dot(eig_vec[:,col]), eig_val[col] * eig_vec[:,col])

Answer 3

尝试此=> numpy.array（您的变量），然后跟命令进行比较，无论您希望执行什么操作。

NumPy ValueError：具有多个元素的数组的真值是不明确的。使用a.any（）或a.all（）

3 个答案: