遍歷Python中的二維數組？

Question

我想通過Python中的二維數組迭代，並將數組中的項與int進行比較，但是每當我嘗試這樣做時，都面臨着大量的各種錯誤。我正在使用numpy和熊貓。

filename = "C:/Users/User/My Documents/JoeTest.csv" 
datas = pandas.read_csv(filename) 
dataset = datas.values 

於是，我試圖去通過數據，抓住它的某些元素：

我的數據集如下創建。

def model_building(data): 
global blackKings 
flag = 0; 
blackKings.append(data[0][1]) 
for i in data: 
    if data[i][39] == 1: 
     if data[i][40] == 1: 
      values.append(1) 
     else: 
      values.append(-1) 
    else: 
     if data[i][40] == 1: 
      values.append(-1) 
     else: 
      values.append(1) 
    for j in blackKings: 
     if blackKings[j] != data[i][1]: 
      flag = 1 
    if flag == 1: 
     blackKings.append(data[i][1]) 
     flag = 0; 

然而，這樣做留給我一個ValueError：具有多於一個元素的數組的真值是不明確的。使用a.any（）或a.all（）。我不想使用其中的任何一個，因爲我正在比較該特定實例的實際值。有沒有解決這個問題的另一種方法？

Answer 1

你需要告訴我們一些關於這一點：dataset = datas.values

這可能是一個二維數組，因爲它從一個CSV的負載派生的。但是什麼形狀和dtype？甚至可能是陣列的一個樣本。

難道是data參數中的函數嗎？

什麼是blackKings和values？你把他們當作名單（與append）。

for i in data: 
    if data[i][39] == 1: 

這沒有意義。 for i in data，如果data是2D，i是第一排，然後第二行，等等。如果你在一個索引要i來，你使用類似

for i in range(data.shape[0]): 

二維數組索引通常與data[i,39]完成。

但在你的情況下，data[i][39]可能是一個數組。

無論何時在if聲明中使用數組，您將得到這個ValueError，因爲有多個值。

如果i是合適的索引，那麼data[i,39]將是單個值。

爲了說明：

In [41]: data=np.random.randint(0,4,(4,4)) 
In [42]: data 
Out[42]: 
array([[0, 3, 3, 2], 
     [2, 1, 0, 2], 
     [3, 2, 3, 1], 
     [1, 3, 3, 3]]) 
In [43]: for i in data: 
    ...:  print('i',i) 
    ...:  print('data[i]',data[i].shape) 
    ...:  
i [0 3 3 2]   # 1st row 
data[i] (4, 4) 
i [2 1 0 2]   # a 4d array 
data[i] (4, 4) 
... 

i這裏是4元件陣列;使用它來索引data[i]實際上會產生一個4維數組;它不是選擇一個值，而是選擇很多值。

相反，你需要以下列方式之一進行迭代：

In [46]: for row in data: 
    ...:  if row[3]==1: 
    ...:   print(row) 
[3 2 3 1] 
In [47]: for i in range(data.shape[0]): 
    ...:  if data[i,3]==1: 
    ...:   print(data[i]) 
[3 2 3 1] 

要調試這樣，你需要看中間值的一個問題，尤其是它們的形狀。不要只假設。檢查！

Answer 2

我要去嘗試重寫你的函數

def model_building(data): 
    global blackKings 
    blackKings.append(data[0, 1]) 

    # Your nested if statements were performing an xor 
    # This is vectorized version of the same thing 
    values = np.logical_xor(*(data.T[[39, 40]] == 1)) * -2 + 1 

    # not sure where `values` is defined. If you really wanted to 
    # append to it, you can do 
    # values = np.append(values, np.logical_xor(*(data.T[[39, 40]] == 1)) * -2 + 1) 

    # Your blackKings/flag logic can be reduced 
    mask = (blackKings[:, None] != data[:, 1]).all(1) 
    blackKings = np.append(blackKings, data[:, 1][mask]) 

這可能不是完美的，因爲它是很難分析你的邏輯考慮你是缺少一些作品。但希望你能採納一些我在這裏包含的內容並改進你的代碼。