【问题标题】：TypeError: 'numpy.float64' object does not support item assignmentTypeError：“numpy.float64”对象不支持项目分配
【发布时间】：2020-03-02 19:31:40
【问题描述】：

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

出现在以下行：

        predictions[predictions > 1] = 1

有没有人有解决这个问题的想法？谢谢！

【问题讨论】：

错误发生在哪一行？您应该始终从 Python 发布您的“回溯”。
您在分配predictions = np.transpose(predictions)[0] 时将predictions 设为标量。因此，当您尝试进一步向下执行 2 和 3 行时，您无法再对其进行索引。你想要完成什么是？！
对不起，这一行"predictions[predictions > 1] = 1": TypeError: 'numpy.float64' object does not support item assignment
@chen 你找到解决问题的方法了吗？可以给我看看吗？
FWIW，我在使用 numpy 0.17 和 csaps 0.11 时遇到了这样的错误。更新到 numpy 0.19 和 csaps 1.0 解决了这个问题。所以升级可能有助于解决这个does not support item assignment 错误。

标签： python numpy

【解决方案1】：

试试这个测试代码，关注np.array([1,2,3], dtype=np.float64)。似乎 self.svm.decision_function(vectors) 返回 1d 数组而不是 2d。如果将 [1,2,3] 替换为 [[1,2,3], [4,5,6]] 一切都会好起来的。

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，你的向量是什么？

【讨论】：

嗨，Max，如何知道向量是什么？我在同一代码上使用 Spider 上的调试，但我不知道如何找出向量变量中的内容

【解决方案2】：

    >>> 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，所以你不能将1分配给predictions[predictions>1]，你可以在分配前使用'predictions>1'。

【讨论】：

【解决方案3】：

predictions > 1

是一个布尔运算。

predictions[predictions > 1] = 1

评估为

predictions[True]

您正在寻找np.where() 运算符。您的代码应如下所示：

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

【讨论】：

这是 numpy 索引 (predictions[predictions > 1] = 1)，这种语法可以在正确的上下文中工作

【解决方案4】：

您不能一次在所有元素中执行此操作，

预测 = 预测 / 2 + 0.5

如果你想更新 'predictions' 包含的所有元素，不如执行以下操作

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

你在这里做什么?????????????

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，请将语句放在上述 if 语句下，如下所示

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

【讨论】：