错误“类型错误：类型numpy.ndarray没有定义__round__法”

Question

import numpy 

...... 

# Prediction 
predictions = model.predict(X_test) 
# round predictions 
rounded = [round(x) for x in predictions] 
print(rounded) 

"predictions" is a list of decimals between [0,1] with sigmoid output. 

为什么总是报告这个错误：

File "/home/abigail/workspace/ml/src/network.py", line 41, in <listcomp> 
    rounded = [round(x) for x in predictions] 
TypeError: type numpy.ndarray doesn't define __round__ method 

如果我不使用“圆”，它打印小数正确。这个“轮”应该是Python内置函数。为什么它与numpy有什么关系？

编辑：

for x in predictions: 
    print(x, end=' ') 

输出是：

[ 0.79361773] [ 0.10443521] [ 0.90862566] [ 0.10312044] [ 0.80714297] 
[ 0.23282401] [ 0.1730803] [ 0.55674052] [ 0.94095331] [ 0.11699325] 
[ 0.1609294] 

Answer 1

什么是model？从什么模块？它看起来像predictions是一个二维数组。什么是predictions.shape？该错误表明在[x for x in predictions]是一个数组。它可能是一个单一的元素数组，但它永远不会是一个数组。您可以尝试[x.shape for x in predictions]查看每个元素（行）predictions的形状。

我没有太多机会使用round，但显然Python函数代表作用的.__round__方法（多+委托给__add__）。

In [932]: round? 
Docstring: 
round(number[, ndigits]) -> number 

Round a number to a given precision in decimal digits (default 0 digits). 
This returns an int when called with one argument, otherwise the 
same type as the number. ndigits may be negative. 
Type:  builtin_function_or_method 
In [933]: x=12.34 
In [934]: x.__round__? 
Docstring: 
Return the Integral closest to x, rounding half toward even. 
When an argument is passed, work like built-in round(x, ndigits). 
Type:  builtin_function_or_method 
In [935]: y=12 
In [936]: y.__round__? 
Docstring: 
Rounding an Integral returns itself. 
Rounding with an ndigits argument also returns an integer. 
Type:  builtin_function_or_method 

Python整数与python浮点数有不同的实现。

Python列表和字符串没有为此定义，所以round([1,2,3])将返回一个AttributeError: 'list' object has no attribute '__round__'。

同样为ndarray。但是numpy定义了np.round函数，而numpy数组具有.round方法。

In [942]: np.array([1.23,3,34.34]).round() 
Out[942]: array([ 1., 3., 34.]) 
In [943]: np.round(np.array([1.23,3,34.34])) 
Out[943]: array([ 1., 3., 34.]) 

help(np.around)给出的numpy的版本（S）的最大文档。

===================

从你最后一次打印，我可以重建你的predictions的一部分：

In [955]: arr = np.array([[ 0.79361773], [ 0.10443521], [ 0.90862566]]) 
In [956]: arr 
Out[956]: 
array([[ 0.79361773], 
     [ 0.10443521], 
     [ 0.90862566]]) 
In [957]: for x in arr: 
    ...:  print(x, end=' ') 
    ...:  
[ 0.79361773] [ 0.10443521] [ 0.90862566] 

arr.shape是(3,1) - 具有1列的2d阵列。

np.round正常工作，而无需迭代：

In [958]: np.round(arr) 
Out[958]: 
array([[ 1.], 
     [ 0.], 
     [ 1.]]) 

迭代产生的错误。

In [959]: [round(x) for x in arr]  
TypeError: type numpy.ndarray doesn't define __round__ method 

Answer 2

您使用使用Numpy存储值的功能。它不是一个常规的Python列表，它实际上是一个Numpy数组。这通常是因为通过机器学习，Numpy与Python中的普通列表相比，在存储海量数据方面做得更好。您可以参考下面的文档转换为常规列表，然后可以大跳理解：

https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.tolist.html

编辑：

会发生什么，如果你尝试：

for x in predictions: 
    for y in x.: 
    print(y, end=' ') 

Answer 3

TypeError: type numpy.ndarray doesn't define round method

您试过申请轮到numpy.ndarray。显然，这不被支持。

尝试此，使用numpy.round：

rounded = [numpy.round(x) for x in predictions] 

x是numpy的阵列。您也可以试试这个：

rounded = [round(y) for y in x for x in predictions] 

Answer 4

我在尝试教程Keras时遇到了同样的错误。

起初，我试图

rounded = [numpy.round(x) for x in predictions] 

，但它显示的结果是这样的：

[array([1.], dtype=float32), array([0.],dtype=float32), ...] 

然后我尝试这样做：

rounded = [float(numpy.round(x)) for x in predictions] 

它显示正确的输出。

我认为“numpy.round（x）”返回ndarray的列表，并且包含dtype参数。但输出与数值正确。因此，将列表中的每个元素转换为float类型将显示与教程相同的正确输出。

我的机器是Linux Mint的17.3（ubuntu的14.04）x64和python解释是蟒3.5.2，anaconda3（4.1.1），numpy的1.11.2