想要解決這個錯誤，最好先明白numpy數據類型的dtype轉換

?

生成一個浮點數組

a=np.random.random(4) 輸出 a array([0.0945377,0.52199916,0.62490646,0.2160126]) a.dtype dtype('float64') a.shape (4,)

改變dtype，發現數組長度翻倍！

>>> a.dtype = 'float16' >>> a array([ -9.58442688e-05, 7.19000000e+02, 2.38159180e-01,1.92968750e+00, nan, -1.66034698e-03,-2.63427734e-01, 1.96875000e+00, -1.07519531e+00,-1.19625000e+02, nan, 1.97167969e+00,-1.60156250e-01, -7.76290894e-03, 4.07226562e-01,1.94824219e+00], dtype=float16) >>> a.shape (16,)

改變dtype='float'，發現默認就是float64，長度也變回最初的4

>>> a.dtype = 'float' >>> a array([ 0.0945377 , 0.52199916, 0.62490646, 0.21260126]) >>> a.shape (4,) >>> a.dtype dtype('float64')

把a變為整數，觀察其信息

>>> a.dtype = 'int64' >>> a array([4591476579734816328, 4602876970018897584, 4603803876586077261,4596827787908854048], dtype=int64) >>> a.shape (4,)

改變dtype，發現數組長度翻倍！

>>> a.dtype = 'int32' >>> a array([ 1637779016, 1069036447, -1764917584, 1071690807, -679822259,1071906619, -1611419360, 1070282372]) >>> a.shape (8,)

改變dtype，發現數組長度再次翻倍！

>>> a.dtype = 'int16' >>> a array([-31160, 24990, 13215, 16312, 32432, -26931, -19401, 16352,-17331, -10374, -197, 16355, -20192, -24589, 13956, 16331], dtype=int16) >>> a.shape (16,)

改變dtype，發現數組長度再次翻倍！

>>> a.dtype = 'int8' >>> a array([ 72, -122, -98, 97, -97, 51, -72, 63, -80, 126, -51,-106, 55, -76, -32, 63, 77, -68, 122, -41, 59, -1,-29, 63, 32, -79, -13, -97, -124, 54, -53, 63], dtype=int8) >>> a.shape (32,)

改變dtype，發現整數默認int32！

>>> a.dtype = 'int' >>> a.dtype dtype('int32') >>> a array([ 1637779016, 1069036447, -1764917584, 1071690807, -679822259,1071906619, -1611419360, 1070282372]) >>> a.shape (8,)

很多時候我們用numpy從文本文件讀取數據作為numpy的數組，默認的dtype是float64。

但是有些場合我們希望有些數據列作為整數。如果直接改dtype=‘int’的話，就會出錯！原因如上，數組長度翻倍了

下面的場景假設我們得到了導入的數據。我們的本意是希望他們是整數，但實際上卻是浮點數（float64）

>>> b = np.array([1., 2., 3., 4.]) >>> b.dtype dtype('float64')

用astype(int)得到整數，并且不改變數組長度

>>> c = b.astype(int) >>> c array([1, 2, 3, 4]) >>> c.shape (8,) >>> c.dtype dtype('int32')

如果直接改變b的dtype的話，b的長度翻倍了，這不是我們想要的

>>> b array([ 1., 2., 3., 4.])>>> b.dtype = 'int' >>> b.dtype dtype('int32') >>> b array([ 0, 1072693248, 0, 1073741824, 0,1074266112, 0, 1074790400]) >>> b.shape (8,)

結論：

numpy中的數據類型轉換，不能直接改原數據的dtype！只能用函數astype().

?

現在來說這個錯誤：
我是對矩陣進行一次np.arry之后求最小值，再次np.array求最小值時報了這個錯誤：TypeError: cannot perform reduce with flexible type

解決辦法是用astype可以改變矩陣的dtype類型，于是我試著把我的矩陣的dtype改一下：

e=np.array(A[j]).astype(float).min()

問題解決！

?

轉載于:https://www.cnblogs.com/zhibei/p/9635825.html

新人創作打卡挑戰賽發博客就能抽獎！定制產品紅包拿不停！

總結

以上是生活随笔為你收集整理的TypeError: cannot perform reduce with flexible type的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。