GVKun编程网logo

Python Numpy 值错误:操作数无法与形状一起广播 (122,) (112,)(操作数类型错误)

3

本文将分享PythonNumpy值错误:操作数无法与形状一起广播(122,)(112,)的详细内容,并且还将对操作数类型错误进行详尽解释,此外,我们还将为大家带来关于**值错误:不支持多类多输出**K

本文将分享Python Numpy 值错误:操作数无法与形状一起广播 (122,) (112,)的详细内容,并且还将对操作数类型错误进行详尽解释,此外,我们还将为大家带来关于**值错误:不支持多类多输出** KNN PYTHON、column_mult = np.multiply(column_sums, column_numbers) ValueError:操作数无法与形状一起广播 (1,1920) (1,640)、Jupyter 中的 Numpy 在打印时出错(Python 版本 3.8.8):TypeError: 'numpy.ndarray' object is not callable、LeetCode 112. 路径总和 | Python的相关知识,希望对你有所帮助。

本文目录一览:

Python Numpy 值错误:操作数无法与形状一起广播 (122,) (112,)(操作数类型错误)

Python Numpy 值错误:操作数无法与形状一起广播 (122,) (112,)(操作数类型错误)

如何解决Python Numpy 值错误:操作数无法与形状一起广播 (122,) (112,)

我正在尝试使用 scipy.signal 中的 find_peaks 来检测 Python 3.7 中的峰值和谷值

import pandas as pd
from scipy.signal import find_peaks
import numpy as np
import matplotlib.pyplot as plt

df = pd.read_excel(''a44171.xlsx'',header=None)
df.columns = [''II'',''PLETH'',''ABP'']
ppg = df["PLETH"]

series = np.array(ppg)
fs = 1/60
t = np.array([t*fs for t in range(len(series))])

peak_idx,_ = find_peaks(series,distance=60)
valley_idx,_ = find_peaks(-series,distance=60)

timedelay = peak_idx - valley_idx

我收到以下错误:

ValueError: operands Could not be broadcast together with shapes (122,) (112,)

我猜有一些缺失的峰,所以尺寸不同。 有没有我可以添加的代码来修复错误?

请帮忙!我是 Python 编程的新手。

**值错误:不支持多类多输出** KNN PYTHON

**值错误:不支持多类多输出** KNN PYTHON

如何解决**值错误:不支持多类多输出** KNN PYTHON?

我正在 Python 中研究 KNN。任何能帮我解决这个问题的人。

我的代码
将 numpy 导入为 np 将熊猫导入为 pd 从 sklearn.model_selection 导入 train_test_split 导入 matplotlib.pyplot 作为 plt 从 sklearn.preprocessing 导入 StandardScaler 从 sklearn.neighbors 导入 KNeighborsClassifier 从 sklearn.metrics 导入混淆_矩阵 进口泡菜 导入全局 从 sklearn.model_selection 导入 gridsearchcv from sklearn.multIoUtput import MultIoUtputClassifier

# training/validation set
train_set = pd.read_csv("trainingtesting.csv")

# test set
test_set = pd.read_csv("validation.csv")

X = train_set.iloc[:,0:1].values  #RSSI
Y = train_set.iloc[:,1:3].values   #X,Y (OUTCOME)

X_train,X_test,Y_train,Y_test = train_test_split(X,Y,test_size=0.2,random_state=0)

#print(X_train.shape)
#print(Y_test)
#print(Y_train)

sc = StandardScaler()                #feature scalin
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

#import math
#print(math.sqrt(len(Y_test))) 
classifier = KNeighborsClassifier(n_neighbors=1,p=3,metric=''euclidean'')
classifier.fit(X_train,Y_train)

# Save the trained model as a pickle string.
saved_model = pickle.dumps (classifier)
  
# Load the pickled model
classifier_from_pickle = pickle.loads(saved_model)

# Use the loaded pickled model to make predictions
classifier_from_pickle.predict(X_test)

Y_pred = classifier.predict(X_test)
#print(Y_pred)

cm = confusion_matrix(Y_test,Y_pred)
print(cm)

错误 厘米 = 混淆矩阵(Y_test,Y_pred) 文件“C:\Users\92316\AppData\Local\Programs\Python\python37\lib\site-packages\sklearn\metrics_classification.py”,第268行,在confusion_matrix y_type,y_true,y_pred = _check_targets(y_true,y_pred) 文件“C:\Users\92316\AppData\Local\Programs\Python\python37\lib\site-packages\sklearn\metrics_classification.py”,第 97 行,在 _check_targets
raise ValueError("{0} 不支持".format(y_type)) ValueError:不支持多类多输出

解决方法

暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!

如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@)

column_mult = np.multiply(column_sums, column_numbers) ValueError:操作数无法与形状一起广播 (1,1920) (1,640)

column_mult = np.multiply(column_sums, column_numbers) ValueError:操作数无法与形状一起广播 (1,1920) (1,640)

如何解决column_mult = np.multiply(column_sums, column_numbers) ValueError:操作数无法与形状一起广播 (1,1920) (1,640)

我正在尝试编写一个程序,该程序可以告诉我在相机视图中对象的确切坐标。
我正在关注我在 YouTube 视频中看到的代码,因为我是 Python 新手,在代码的这一部分,我编写了视频中显示的所有内容,但无法正常工作。它无法与形状一起广播 (1,1920) (1,640)。

代码:

  1. import urllib.request
  2. import cv2
  3. import numpy as np
  4. import math
  5. URL = "http://123434543543253"
  6. cm_to_pixel = 11.3 / 640.0
  7. while (1):
  8. img_arr = np.array(bytearray(urllib.request.urlopen(URL).read()),dtype=np.uint8)
  9. img = cv2.imdecode(img_arr,-(1))
  10. gray_image1 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  11. cv2.imshow("background",gray_image1)
  12. k = cv2.waitKey(5)
  13. if k == 27:
  14. break
  15. while (1):
  16. img_arr = np.array(bytearray(urllib.request.urlopen(URL).read()),-(1))
  17. gray_image2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  18. cv2.imshow("foreground",gray_image2)
  19. Difference = np.absolute(np.matrix(np.int16(gray_image1)) - np.matrix(np.int16(gray_image2)))
  20. Difference[Difference > 255] = 255
  21. Difference = np.uint8(Difference)
  22. cv2.imshow("difference",Difference)
  23. BW = Difference
  24. BW[BW <= 100] = 0
  25. BW[BW > 100] = 1
  26. column_sums = np.matrix(np.sum(BW,0))
  27. column_numbers = np.matrix(np.arange(640))
  28. column_mult = np.multiply(column_sums,column_numbers)
  29. total = np.sum(column_mult)
  30. total_total = np.sum(np.sum(BW))
  31. column_location = total / total_total
  32. X_Location = column_location * cm_to_pixel
  33. print(X_Location)
  34. k = cv2.waitKey(5)
  35. if k == 27:
  36. break

Jupyter 中的 Numpy 在打印时出错(Python 版本 3.8.8):TypeError: 'numpy.ndarray' object is not callable

Jupyter 中的 Numpy 在打印时出错(Python 版本 3.8.8):TypeError: 'numpy.ndarray' object is not callable

如何解决Jupyter 中的 Numpy 在打印时出错(Python 版本 3.8.8):TypeError: ''numpy.ndarray'' object is not callable?

晚安, 尝试打印以下内容时,我在 jupyter 中遇到了 numpy 问题,并且得到了一个 错误: 需要注意的是python版本是3.8.8。 我先用 spyder 测试它,它运行正确,它给了我预期的结果

使用 Spyder:

import numpy as np
    for i in range (5):
        n = np.random.rand ()
    print (n)
Results
0.6604903457995978
0.8236300859753154
0.16067650689842816
0.6967868357083673
0.4231597934445466

现在有了 jupyter

import numpy as np
    for i in range (5):
        n = np.random.rand ()
    print (n)
-------------------------------------------------- ------
TypeError Traceback (most recent call last)
<ipython-input-78-0c6a801b3ea9> in <module>
       2 for i in range (5):
       3 n = np.random.rand ()
---->  4 print (n)

       TypeError: ''numpy.ndarray'' object is not callable

感谢您对我如何在 Jupyter 中解决此问题的帮助。

非常感谢您抽出宝贵时间。

阿特,约翰”

解决方法

暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!

如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@)

LeetCode 112. 路径总和 | Python

LeetCode 112. 路径总和 | Python

112. 路径总和


题目来源:力扣(LeetCode)https://leetcode-cn.com/problems/path-sum

题目


给定一个二叉树和一个目标和,判断该树中是否存在根节点到叶子节点的路径,这条路径上所有节点值相加等于目标和。

说明: 叶子节点是指没有子节点的节点。

示例:

给定如下二叉树,以及目标和 sum = 22,

              5
             / \
            4   8
           /   / \
          11  13  4
         /  \      \
        7    2      1

返回 true, 因为存在目标和为 22 的根节点到叶子节点的路径 5->4->11->2。

解题思路


思路:递归、广度优先搜索

在这里先讲 递归,这个解法的思路是从根节点往下找,找到叶子节点。

先假设跟节点到当前节点的路径和为 val,那么将问题转变一下,是否能够找到从当前节点到叶子节点的路径和为 sum - val,这符合递归的性质。

那么也就是说从根节点往下找到叶子节点,如果确定当前节点是叶子节点,那么判断 sum 是否等于当前节点的 val 值即可。如果不是叶子节点,那么将继续向下查找。

具体的代码实现见【代码实现 # 递归】

同样的这道题中,我们也可以使用 广度优先搜索 的思路来解决。在这里我们使用队列,存储节点以及根节点到某个节点的路径和。

以题目所给示例,具体的实现过程如下图所示:

图解

具体实现代码见【代码实现 # 广度优先搜索】

代码实现


# 递归

# Definition for a binary tree node.
# class TreeNode:
#     def __init__(self, x):
#         self.val = x
#         self.left = None
#         self.right = None

class Solution:
    def hasPathSum(self, root: TreeNode, sum: int) -> bool:
        if not root:
            return False
        if not root.left and not root.right:
            return sum == root.val
        return self.hasPathSum(root.left, sum - root.val) or self.hasPathSum(root.right, sum - root.val)

# 广度优先搜索

# Definition for a binary tree node.
# class TreeNode:
#     def __init__(self, x):
#         self.val = x
#         self.left = None
#         self.right = None

class Solution:
    def hasPathSum(self, root: TreeNode, sum: int) -> bool:
        if not root:
            return False

        from collections import deque

        # 队列存储节点和路径和        
        queue = deque()
        queue.append((root, root.val))

        while queue:
            # 出队,开始搜索
            node, path = queue.popleft()
            # 如果叶子节点,路径和等于目标值时,直接返回 True
            if not node.left and not node.right and path == sum:
                return True
            if node.left:
                queue.append((node.left,  path + node.left.val))
            if node.right:
                queue.append((node.right, path + node.right.val))
        
        return False

实现结果


递归

实现结果 | 递归

广度优先搜索

实现结果 | 广度优先搜素


文章原创,欢迎关注点赞。微信公众号《书所集录》同步更新,同样欢迎关注交流。

qrcode_for_Demon

今天的关于Python Numpy 值错误:操作数无法与形状一起广播 (122,) (112,)操作数类型错误的分享已经结束,谢谢您的关注,如果想了解更多关于**值错误:不支持多类多输出** KNN PYTHON、column_mult = np.multiply(column_sums, column_numbers) ValueError:操作数无法与形状一起广播 (1,1920) (1,640)、Jupyter 中的 Numpy 在打印时出错(Python 版本 3.8.8):TypeError: 'numpy.ndarray' object is not callable、LeetCode 112. 路径总和 | Python的相关知识,请在本站进行查询。

本文标签: