TypeError：＆＃39; numpy.float64＆＃39;对象不支持项目分配

Question

def classify(self, texts):
        vectors = self.dictionary.feature_vectors(texts)
        predictions = self.svm.decision_function(vectors)
        predictions = np.transpose(predictions)[0]
        predictions = predictions / 2 + 0.5
        predictions[predictions > 1] = 1
        predictions[predictions < 0] = 0
        return predictions

错误：

TypeError: 'numpy.float64' object does not support item assignment

发生在以下行：

        predictions[predictions > 1] = 1

有没有人有解决这个问题的想法？谢谢！

Answer 1

尝试此测试代码并注意np.array([1,2,3], dtype=np.float64)。 似乎self.svm.decision_function（向量）返回 1d 数组而不是2d。 如果将[1,2,3]替换为[[1,2,3]，[4,5,6]]，一切都会好的。

import numpy as np
predictions = np.array([1,2,3], dtype=np.float64)
predictions = np.transpose(predictions)[0]
predictions = predictions / 2 + 0.5
predictions[predictions > 1] = 1
predictions[predictions < 0] = 0

输出：

Traceback (most recent call last):
  File "D:\temp\test.py", line 7, in <module>
    predictions[predictions > 1] = 1
TypeError: 'numpy.float64' object does not support item assignment

那么，你的载体是什么？

Answer 2

predictions > 1

是一个布尔操作。

predictions[predictions > 1] = 1

评估为

predictions[True]

您正在寻找np.where()运营商。您的代码应如下所示：

predictions[np.where(predictions > 1)] = 1

Answer 3

    >>> predictions = np.array([1,2,3], dtype=np.float64)
    >>> predictions
    array([1., 2., 3.])
    >>> predictions = np.transpose(predictions)[0]
    >>> predictions
    1.0
    >>> predictions = predictions / 2 + 0.5
    >>> predictions
    1.0
    >>> predictions>1
    False

数组中没有元素大于1，因此您无法将1分配给预测[predictions> 1]，可以在分配前使用'predicts> 1'。

Answer 4

您不能一次在所有元素中执行此操作，

预测=预测/ 2 + 0.5

如果要更新“预测”中包含的所有元素，请执行以下操作

for i in range(predictions):
   predictions[i] = predictions[i] / 2 + 0.5
                                    
 

您在这里做什么???????????

预测[预测> 1] = 1

我不确定您要做什么，但是如果您要比较“预测”的每个索引处的元素是否大于1，请将该语句放在上述if语句下面

for i in range(predictions):
  predictions[i] = predictions[i] / 2 + 0.5
  if predictions[i] > 1:
     predictions[i] = 1
  elif predictions[i] < 0 : 
     predictions[i] = 0

return predictions