type (s) d'opérande non pris en charge pour *: 'numpy.ndarray' et 'numpy.float64'

Question

lecteur longue durée, premier éditeur.

J'ai cherché autour de google et empiler le débordement, mais n'a pas vraiment été capable de trouver une réponse générale à cette question. Je reçois un "type d'opérande non supporté pour *: 'numpy.ndarray' et 'numpy.float64'" dans python 2.7.3 en utilisant numpy 1.6.2. L'erreur provient de la multiplication d'un tableau numpy et d'un float numpy, mais cela n'arrive pas à chaque fois.

Par exemple:

x = np.tan(1) # numpy.float64 
y = np.array([0,1,2,3]) # numpy.ndarray 
np.multiply(x,y) # works no problem 

Ou

x = np.tan(np.abs(np.multiply(-31,41))) # numpy.float64 
y = np.square(np.add(np.divide(np.zeros(100),42),(-27)**40)) # numpy.ndarray 
np.multiply(x,y) # works no problem 

deux travaillent

Maintenant, pour les enfants de problème:

np.multiply(np.square(np.add(np.divide(np.zeros(100),42),-27)**40)), 
np.tan(np.abs(np.multiply(-31,41)))) 

ou, avec x définis comme ci-dessus:

np.multiply(np.square(np.add(np.divide(np.zeros(100),42),(-27)**40)),x) 

les deux produisent l'erreur: NotImplemented

Je connais les fonctions et de nombres aléatoires sembler étrange, mais sur le plan conceptuel cela devrait fonctionner, comme cela a fonctionné lorsque les deux ont été mis à des variables individuellement.

Pourquoi cela se produit-il? Comment puis-je le réparer dans un sens général?

Merci beaucoup! Jason

Answer 1

Je suppose que le problème ici est que NumPy ne peut pas stocker les valeurs Python long dans ses tableaux. Dès que vous essayez de le faire, il passe le type de données du tableau à object. Les opérations arithmétiques sur le tableau deviennent alors plus compliquées car NumPy ne peut plus faire l'arithmétique elle-même.

>>> np.array(27**40) 
array(1797010299914431210413179829509605039731475627537851106401L, dtype=object) 
>>> np.array(27**40) * np.tan(1) 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
TypeError: unsupported operand type(s) for *: 'numpy.ndarray' and 'numpy.float64' 

Étrangement, la permutation de l'ordre des arguments peuvent parfois travailler:

>>> np.tan(1) * np.array(27**40) 
2.7986777223711575e+57 

Dans ce second cas, le type du résultat est un Python float, pas un tableau numpy.

La solution est d'éviter de créer des long valeurs dans les tableaux numpy et utiliser float s au lieu:

>>> np.array(27.0**40) 
array(1.797010299914431e+57) 
>>> np.array(27.0**40) * np.tan(1) 
2.7986777223711575e+57 
>>> np.multiply(np.square(np.add(np.divide(np.zeros(10),42),(-27.0)**40)),np.tan(1)) 
array([ 5.02925269e+114, 5.02925269e+114, 5.02925269e+114, 
     5.02925269e+114, 5.02925269e+114, 5.02925269e+114, 
     5.02925269e+114, 5.02925269e+114, 5.02925269e+114, 
     5.02925269e+114]) 

Si vous obtenez une erreur comme celui-ci est l'avenir, la première chose à faire est de vérifier la dtype du tableau en cours de multiplication. Contient-il des valeurs NumPy ou des objets Python?

Answer 2

Est-ce un quiz? Je ne comprends pas pourquoi la question est si obfusquée ... Tout se résume à ce simple fait.

Compte tenu

>>> x = 10**100 
>>> type(x) 
<type 'long'> 
>>> y = np.float64(1) 

nous avons

>>> y.__mul__(x) 
1e+100 
>>> y.__rmul__(x) 
NotImplemented 

Ceci est le bug (ou fonctionnalité, je ne sais pas) car il devrait être y.__mul__(x) == y.__rmul__(x) (au moins pour ces valeurs particulières de x et y).

Python long ne sait pas comment gérer la multiplication avec numpy.float64 (mais cela est correct.)

>>> x.__mul__(y) 
NotImplemented 
>>> x.__rmul__(y) 
NotImplemented 

Alors y*x est évaluée à y.__mul__(x) et donne le résultat attendu. Au contraire x*y est d'abord essayé comme x.__mul__(y) (non implémenté, OK) que comme y.__rmul__(x) (pas implémenté mais un bug.).

Comme déjà souligné, nous pouvons avoir nd.arrays d'objets arbitraires, et tout devient clair.

Modifier

Ce bogue a été corrigé (probablement numpy ver 1.7.):

>>> np.version.version 
'1.13.1' 
>>> x = 10**100 
>>> y = np.float64(1) 
>>> x.__mul__(y) 
NotImplemented 
>>> x.__rmul__(y) 
NotImplemented 
>>> y.__mul__(x) 
1e+100 
>>> y.__rmul__(x) 
1e+100 
>>> x*y 
1e+100 
>>> y*x 
1e+100