Python报错TypeError: unhashable type: ‘numpy.ndarray‘的解决办法_Python

引言

在python编程中，尤其是在处理数据时，我们经常使用numpy数组。然而，当我们尝试将numpy数组用作字典的键或集合的元素时，就会遇到typeerror: unhashable type: 'numpy.ndarray'。这个错误表明我们尝试将一个不可哈希的类型（如numpy.ndarray）用作哈希表中的键。本文将探讨这个错误的原因，并给出几种可能的解决方案。

一、问题描述

1.1 报错示例

假设我们有以下代码，它尝试将numpy数组用作字典的键：

import numpy as np
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 尝试将numpy数组用作字典的键
my_dict = {my_array: "value"}

运行上述代码将抛出以下错误：

typeerror: unhashable type: 'numpy.ndarray'

1.2 报错分析

这个错误表明my_array是一个numpy.ndarray对象，而numpy.ndarray对象是不可哈希的，因此不能用作字典的键。

1.3 解决思路

为了解决这个问题，我们需要确保我们不是在尝试将不可哈希的类型用作字典的键。我们可以将numpy数组转换为可哈希的类型，或者使用其他方法来处理数据。

二、解决方法

2.1 方法一：转换为可哈希的类型

将numpy数组转换为可哈希的类型，例如列表或元组，然后将其用作字典的键。

import numpy as np
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 将numpy数组转换为列表
my_list = list(my_array)
# 将列表用作字典的键
my_dict = {my_list: "value"}

2.2 方法二：使用其他数据结构

使用其他数据结构，例如pandas dataframe，来处理数据，而不是直接使用numpy数组。

import numpy as np
import pandas as pd
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 将numpy数组转换为pandas dataframe
my_dataframe = pd.dataframe(my_array)
# 使用dataframe的某个可哈希的属性作为字典的键
my_dict = {my_dataframe.columns[0]: "value"}

2.3 方法三：使用元组

如果numpy数组是固定大小的，可以将其转换为元组，因为元组是可哈希的。

import numpy as np
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 将numpy数组转换为元组
my_tuple = tuple(my_array)
# 将元组用作字典的键
my_dict = {my_tuple: "value"}

2.4 方法四：使用哈希函数

使用自定义的哈希函数来计算numpy数组的哈希值，并将其用作字典的键。

import numpy as np
def array_hash(array):
    return hash(tuple(map(tuple, array)))
# 创建一个numpy数组
my_array = np.array([[1, 2], [3, 4]])
# 使用哈希函数计算哈希值
my_hash = array_hash(my_array)
# 将哈希值用作字典的键
my_dict = {my_hash: "value"}