Question

阅读此Converting NumPy array into Python List structure?后，我有：

import numpy as np
print np.array(centroids).tolist()
print "here\n"
print old_centroids

print type(np.array(centroids).tolist())
print type(old_centroids)

给出：

[[-0.30485176069166947, -0.2874083792427779, 0.0677763505876472], ...,[0.09384637511656496, -0.015282322735474268, -0.05854574606104108]]
here
[array([-0.30485176, -0.28740838,  0.06777635]), ..., array([-0.03415291, -0.10915068,  0.07733185]), array([ 0.09384638, -0.01528232, -0.05854575])]
<type 'list'>
<type 'list'>

但是，当我这样做时：

return old_centroids == np.array(centroids).tolist()

我收到错误：

return old_centroids == np.array(centroids).tolist()
ValueError: The truth value of an array with more than one element is ambiguous.

如何解决这个问题？

centroids的类型为<type 'numpy.ndarray'>，其计算方式如下：

from sklearn import decomposition
centroids = pca.transform(mean_centroids)

请注意，如果没有PCA，我会这样做：

return old_centroids == centroids

EDIT_0：

Check if two unordered lists are equal建议set()，因此我做了：

return set(old_centroids) == set(np.array(centroids).tolist()) # or set(centroids)

得到了：

TypeError: unhashable type: 'list'

Answer 1

由于您要比较浮点值，因此最好使用numpy.allclose()，从而将值保存在numpy数组中：

return np.allclose(np.array(old_centroids), np.array(centroids))

（请注意，我将1D数组的列表转换为2D数组;从技术上讲，如果您愿意，可以对allclose()和old_centroids中的每对元素分别应用centroids 。）

修改（根据评论）：如果old_centroids和centroids可能有不同的形状，请在allclose()之前检查：

old = np.array(old_centroids)
new = np.array(centroids)
return old.shape == new.shape and np.allclose(old, new)

检查相同的列表

1 个答案: