Lambda function - TypeError: unhashable type: 'numpy.ndarray'
Lambda function - TypeError: unhashable type: 'numpy.ndarray'
我有一个 numpy 二维数组,每列都有分类数据。
我尝试分别对每一列的数据进行编码,同时可能在每种情况下处理看不见的数据。
我有这个代码:
from sklearn.preprocessing import LabelEncoder
for column in range(X_train.shape[1]):
label_encoder = LabelEncoder()
X_train[:, column] = label_encoder.fit_transform(X_train[:, column])
mappings = dict(zip(label_encoder.classes_, label_encoder.transform(label_encoder.classes_)))
map_function = lambda x: mappings.get(x, -1)
X_test[:, column] = map_function(X_test[:, column])
我得到这个错误:
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-***********> in <module>
39 mappings = dict(zip(label_encoder.classes_, label_encoder.transform(label_encoder.classes_)))
40 map_function = lambda x: mappings.get(x, -1)
---> 41 X_test[:, column] = map_function(X_test[:, column])
42
43
<ipython-input-***********> in <lambda>(x)
38 X_train[:, column] = label_encoder.fit_transform(X_train[:, column])
39 mappings = dict(zip(label_encoder.classes_, label_encoder.transform(label_encoder.classes_)))
---> 40 map_function = lambda x: mappings.get(x, -1)
41 X_test[:, column] = map_function(X_test[:, column])
42
TypeError: unhashable type: 'numpy.ndarray'
我该如何解决这个问题?
总的来说,你会建议一个更好的方法来做我想做的事情吗?
P.S.
我尝试这样做以查看发生了什么:
for column in range(X_train.shape[1]):
label_encoder = LabelEncoder()
X_train[:, column] = label_encoder.fit_transform(X_train[:, column])
mappings = dict(zip(label_encoder.classes_, label_encoder.transform(label_encoder.classes_)))
try:
map_function = lambda x: mappings.get(x, -1)
X_test[:, column] = map_function(X_test[:, column])
except:
print(X_test[:, column])
for i in range(X_test[:, column].shape[0]):
if isinstance(X_test[i, column],np.ndarray):
print(X_test[i, column])
print()
但实际上 print(X_test[i, column])
没有打印任何内容,所以我不确定 X_test[:, column]
.
中是否有任何 numpy 数组
我实际上也检查了 if not isinstance(X_test[i, column],str)
并且再次没有打印任何内容,所以 X_train[:, column]
中的所有内容在每个 column
必须是一个字符串。
P.S.2
当我这样做时:
for i in range(X_test[:, column].shape[0]):
X_test[i, column] = mappings.get(X_test[i, column], -1)
它实际上没有错误,所以这意味着由于某种原因,我定义了 lambda
函数,我将整个 numpy 数组而不是它的元素分别发送给它。
这里发生的是发送到 map_function
的是实际向量,它不能用作字典中的键,因为它不可哈希,因此会出现错误。
换行
map_function = lambda x: mappings.get(x, -1)
和
map_function = np.vectorize(lambda x: mappings.get(x, -1))
这将导致每个元素都被用作映射中的键,如果它们确实都是可散列的,它就可以工作。
我有一个 numpy 二维数组,每列都有分类数据。
我尝试分别对每一列的数据进行编码,同时可能在每种情况下处理看不见的数据。
我有这个代码:
from sklearn.preprocessing import LabelEncoder
for column in range(X_train.shape[1]):
label_encoder = LabelEncoder()
X_train[:, column] = label_encoder.fit_transform(X_train[:, column])
mappings = dict(zip(label_encoder.classes_, label_encoder.transform(label_encoder.classes_)))
map_function = lambda x: mappings.get(x, -1)
X_test[:, column] = map_function(X_test[:, column])
我得到这个错误:
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-***********> in <module>
39 mappings = dict(zip(label_encoder.classes_, label_encoder.transform(label_encoder.classes_)))
40 map_function = lambda x: mappings.get(x, -1)
---> 41 X_test[:, column] = map_function(X_test[:, column])
42
43
<ipython-input-***********> in <lambda>(x)
38 X_train[:, column] = label_encoder.fit_transform(X_train[:, column])
39 mappings = dict(zip(label_encoder.classes_, label_encoder.transform(label_encoder.classes_)))
---> 40 map_function = lambda x: mappings.get(x, -1)
41 X_test[:, column] = map_function(X_test[:, column])
42
TypeError: unhashable type: 'numpy.ndarray'
我该如何解决这个问题?
总的来说,你会建议一个更好的方法来做我想做的事情吗?
P.S.
我尝试这样做以查看发生了什么:
for column in range(X_train.shape[1]):
label_encoder = LabelEncoder()
X_train[:, column] = label_encoder.fit_transform(X_train[:, column])
mappings = dict(zip(label_encoder.classes_, label_encoder.transform(label_encoder.classes_)))
try:
map_function = lambda x: mappings.get(x, -1)
X_test[:, column] = map_function(X_test[:, column])
except:
print(X_test[:, column])
for i in range(X_test[:, column].shape[0]):
if isinstance(X_test[i, column],np.ndarray):
print(X_test[i, column])
print()
但实际上 print(X_test[i, column])
没有打印任何内容,所以我不确定 X_test[:, column]
.
我实际上也检查了 if not isinstance(X_test[i, column],str)
并且再次没有打印任何内容,所以 X_train[:, column]
中的所有内容在每个 column
必须是一个字符串。
P.S.2
当我这样做时:
for i in range(X_test[:, column].shape[0]):
X_test[i, column] = mappings.get(X_test[i, column], -1)
它实际上没有错误,所以这意味着由于某种原因,我定义了 lambda
函数,我将整个 numpy 数组而不是它的元素分别发送给它。
这里发生的是发送到 map_function
的是实际向量,它不能用作字典中的键,因为它不可哈希,因此会出现错误。
换行
map_function = lambda x: mappings.get(x, -1)
和
map_function = np.vectorize(lambda x: mappings.get(x, -1))
这将导致每个元素都被用作映射中的键,如果它们确实都是可散列的,它就可以工作。