ValueError：形状不匹配：形状相同答案

【问题标题】：ValueError: shape mismatch: with same shapeValueError：形状不匹配：形状相同
【发布时间】：2019-10-29 10:35:52
【问题描述】：

我收到一个基本错误，输出奇怪，我不太理解：

重现步骤

arr1 = np.zeros([6,10,50])
arr2 = np.zeros([6,10])
arr1[:, :, range(25,26,1)] = [arr2]

即产生此错误：

ValueError: shape mismatch: value array of shape (1,6,10) could not be broadcast to indexing result of shape (1,6,10)

谁能解释我做错了什么？

【问题讨论】：

arr2 = np.zeros([6,10,1]) 解决你的问题。
为什么会有奇怪的range(25, 26, 1) 符号？为什么不只是25:26？

标签： python numpy shapes numpy-ndarray numpy-slicing

【解决方案1】：

为arr2添加一个额外的维度：

arr1[:, :, range(25,26,1)] = arr2.reshape(arr2.shape + (1,))

这里使用的range 更简单的表示法：

arr1[:, :, 25:26)] = arr2.reshape(arr2.shape + (1,))

（和slice(25,26,1)，或slice(25,26)，也可以工作；只是为了增加选项和可能的混乱。）

或者在arr2的末尾插入一个额外的轴：

arr1[..., 25:26] = arr2[..., np.newaxis]

（其中... 表示“尽可能多的维度”）。你也可以用None代替np.newaxis；后者可能更明确，但任何了解 NumPy 的人都会将None 识别为插入了一个额外的维度（轴）。

当然，您也可以从一开始就将arr2 设置为 3 维：

arr2 = np.zeros([6,10,1])

请注意，从左侧使用广播确实起作用：

>>> arr1 = np.zeros([50,6,10])   # Swapped ("rolled") dimensions
>>> arr2 = np.zeros([6,10])
>>> arr1[25:26, :, :] = arr2     # No need to add an extra axis

只是从右边使用它不起作用，就像在你的代码中一样。

【讨论】：

用arr2[..., None]代替arr2.reshape(arr2.shape + (1,))怎么样？
@n None 确实也可以；在看到您使用该选项的评论之前，我刚刚编辑了我的答案，尽管我使用了np.newaxis 来更明确。麻烦的是，我觉得解决这个问题的方法太多了，只能找到一个简单、一致的答案。
谢谢我终于用arr1[:, :, range(25,26,1)] = arr2[..., None]了。因为在我的代码中，range(25,26,1) 是一个遗留变量。

【解决方案2】：

由于range(25, 26, 1) 实际上是一个数字，您可以使用以下任一：

arr1[:, :, 25:26] = arr2[..., None]

或：

arr1[:, :, 25] = arr2

代替arr1[:, :, range(25,26,1)] = [arr2]。

请注意，对于不减少为单个数字的范围/切片，第一行将使用 broadcasting。

您的原始代码不起作用的原因是您以不兼容的方式混合 NumPy 数组和 Python lists，因为 NumPy 将 [arr2] 解释为具有形状 (1, 6, 10) 而结果需要形状 @ 987654329@（你得到的错误基本上就是这个。）

上述解决方案旨在确保arr2 的形状兼容。另一种可能性是更改收件人的形状，这将允许您分配[arr2]，例如：

arr1 = np.zeros([50,6,10])
arr2 = np.zeros([6,10])
arr1[25:26, :, :] = [arr2]

这种方法可能效率较低，因为arr2[..., None] 只是arr2 中相同数据的内存视图，而[arr2] 正在创建（读取：分配新内存）一个新的list 对象，这将需要将一些强制转换（发生在幕后）分配给 NumPy 数组。

【讨论】：