遍历Python中的二维数组？

Question

我想通过Python中的二维数组迭代，并将数组中的项与int进行比较，但是每当我尝试这样做时，都面临着大量的各种错误。我正在使用numpy和熊猫。

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

于是，我试图去通过数据，抓住它的某些元素：

我的数据集如下创建。

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，这样做留给我一个ValueError：具有多于一个元素的数组的真值是不明确的。使用a.any（）或a.all（）。我不想使用其中的任何一个，因为我正在比较该特定实例的实际值。有没有解决这个问题的另一种方法？

Answer 1

你需要告诉我们一些关于这一点：dataset = datas.values

这可能是一个二维数组，因为它从一个CSV的负载派生的。但是什么形状和dtype？甚至可能是阵列的一个样本。

难道是data参数中的函数吗？

什么是blackKings和values？你把他们当作名单（与append）。

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

这没有意义。 for i in data，如果data是2D，i是第一排，然后第二行，等等。如果你在一个索引要i来，你使用类似

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

二维数组索引通常与data[i,39]完成。

但在你的情况下，data[i][39]可能是一个数组。

无论何时在if声明中使用数组，您将得到这个ValueError，因为有多个值。

如果i是合适的索引，那么data[i,39]将是单个值。

为了说明：

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这里是4元件阵列;使用它来索引data[i]实际上会产生一个4维数组;它不是选择一个值，而是选择很多值。

相反，你需要以下列方式之一进行迭代：

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] 

要调试这样，你需要看中间值的一个问题，尤其是它们的形状。不要只假设。检查！

Answer 2

我要去尝试重写你的函数

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]) 

这可能不是完美的，因为它是很难分析你的逻辑考虑你是缺少一些作品。但希望你能采纳一些我在这里包含的内容并改进你的代码。