ValueError: o valor verdadeiro de uma matriz com mais de um elemento é ambíguo. Use a.any () ou a.all ()

Acabei de descobrir um bug lógico no meu código que estava causando todos os tipos de problemas. Eu estava inadvertidamente fazendo um AND bit a bit em vez de um AND lógico .

Eu mudei o código de:

r = mlab.csv2rec(datafile, delimiter=',', names=COL_HEADERS)
mask = ((r["dt"] >= startdate) & (r["dt"] <= enddate))
selected = r[mask]

PARA:

r = mlab.csv2rec(datafile, delimiter=',', names=COL_HEADERS)
mask = ((r["dt"] >= startdate) and (r["dt"] <= enddate))
selected = r[mask]

Para minha surpresa, recebi a mensagem de erro bastante enigmática:

ValueError: o valor verdadeiro de uma matriz com mais de um elemento é ambíguo. Use a.any () ou a.all ()

Por que um erro semelhante não foi emitido quando uso uma operação bit a bit - e como faço para corrigir isso?

ré uma matriz numpy (rec). O mesmo r["dt"] >= startdateacontece com uma matriz (booleana). Para matrizes numpy, a &operação retorna o elemento-e das duas matrizes booleanas.

Os desenvolvedores do NumPy consideraram que não havia uma maneira comum de avaliar uma matriz no contexto booleano: isso poderia significar Truese algum elemento é True, ou Truese todos os elementos são Trueou Truese a matriz tem comprimento diferente de zero, apenas para citar três possibilidades.

Como usuários diferentes podem ter necessidades diferentes e suposições diferentes, os desenvolvedores do NumPy se recusaram a adivinhar e decidiram aumentar um ValueError sempre que alguém tenta avaliar uma matriz no contexto booleano. A aplicação anda duas matrizes numpy faz com que as duas matrizes sejam avaliadas no contexto booleano (chamando __bool__no Python3 ou __nonzero__no Python2).

O seu código original

mask = ((r["dt"] >= startdate) & (r["dt"] <= enddate))
selected = r[mask]

parece correto. No entanto, se você quiser and, em vez de a and busar (a-b).any()ou (a-b).all().

Eu tive o mesmo problema (ou seja, indexação com várias condições, aqui estão os dados em um determinado período). O (a-b).any()ou (a-b).all()parece não estar funcionando, pelo menos para mim.

Como alternativa, encontrei outra solução que funciona perfeitamente para a funcionalidade desejada ( o valor verdadeiro de uma matriz com mais de um elemento é ambíguo ao tentar indexar uma matriz ).

Em vez de usar o código sugerido acima, simplesmente usar a numpy.logical_and(a,b)funcionaria. Aqui você pode reescrever o código como

selected  = r[numpy.logical_and(r["dt"] >= startdate, r["dt"] <= enddate)]

O motivo da exceção é que andchama implicitamente bool. Primeiro no operando esquerdo e (se o operando esquerdo estiver True), depois no operando direito. Então x and yé equivalente a bool(x) and bool(y).

No entanto, o boolon a numpy.ndarray(se contiver mais de um elemento) lançará a exceção que você viu:

>>> import numpy as np
>>> arr = np.array([1, 2, 3])
>>> bool(arr)
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

A bool()chamada está em implícito and, mas também em if, while, or, então qualquer um dos exemplos a seguir também falhará:

>>> arr and arr
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

>>> if arr: pass
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

>>> while arr: pass
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

>>> arr or arr
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

Existem mais funções e instruções no Python que ocultam boolchamadas, por exemplo, 2 < x < 10é apenas outra maneira de escrever 2 < x and x < 10. E o andchamará bool: bool(2 < x) and bool(x < 10).

O equivalente a elementosand seria para a np.logical_andfunção, da mesma forma que você poderia usar np.logical_orcomo equivalente para or.

Para matrizes booleanas - e comparações como <, <=, ==, !=, >=e >no NumPy matrizes retornam matrizes Numpy boolean - você também pode usar os elementos-wise bit a bit funções (e operadores): np.bitwise_and( &operador)

>>> np.logical_and(arr > 1, arr < 3)
array([False,  True, False], dtype=bool)

>>> np.bitwise_and(arr > 1, arr < 3)
array([False,  True, False], dtype=bool)

>>> (arr > 1) & (arr < 3)
array([False,  True, False], dtype=bool)

e bitwise_or( |operador):

>>> np.logical_or(arr <= 1, arr >= 3)
array([ True, False,  True], dtype=bool)

>>> np.bitwise_or(arr <= 1, arr >= 3)
array([ True, False,  True], dtype=bool)

>>> (arr <= 1) | (arr >= 3)
array([ True, False,  True], dtype=bool)

Uma lista completa de funções lógicas e binárias pode ser encontrada na documentação do NumPy:

• "Funções lógicas"
• "Operações binárias"

se você trabalha com o pandasque resolveu o problema para mim foi que estava tentando fazer cálculos quando tinha valores de NA, a solução era executar:

df = df.dropna()

E depois disso o cálculo falhou.

Essa mensagem de erro digitada também mostra enquanto if-statementé feita uma comparação onde há uma matriz e, por exemplo, um bool ou int. Veja por exemplo:

... code snippet ...

if dataset == bool:
    ....

... code snippet ...

Esta cláusula tem conjunto de dados como array e bool é euhm a "porta aberta" ... Trueou False.

Caso a função esteja agrupada em um, try-statementvocê receberá except Exception as error:a mensagem sem o tipo de erro:

O valor verdadeiro de uma matriz com mais de um elemento é ambíguo. Use a.any () ou a.all ()

tente isso => ​​numpy.array (r) ou numpy.array (sua variável) seguido pelo comando para comparar o que você desejar.