ValueError: shape mismatch: with same shape
ValueError: shape mismatch: with same shape
我遇到了一个我不太理解的奇怪输出的基本错误：
复制步骤
arr1 = np.zeros([6,10,50])
arr2 = np.zeros([6,10])
arr1[:, :, range(25,26,1)] = [arr2]
产生这个错误：
ValueError: shape mismatch: value array of shape (1,6,10) could not be broadcast to indexing result of shape (1,6,10)
谁能解释一下我做错了什么？
向 arr2 添加一个额外的维度：
arr1[:, :, range(25,26,1)] = arr2.reshape(arr2.shape + (1,))
此处使用的 range 更简单的表示法：
arr1[:, :, 25:26)] = arr2.reshape(arr2.shape + (1,))
（和 slice(25,26,1) 或 slice(25,26) 也可以工作；只是为了增加选项和可能的混淆。）
或者在arr2的末尾插入一个额外的轴：
arr1[..., 25:26] = arr2[..., np.newaxis]
（其中 ... 表示 "as many dimensions as possible"）。您也可以使用 None 而不是 np.newaxis；后者可能更明确，但任何了解 NumPy 的人都会将 None 视为插入额外的维度（轴）。
当然你也可以一开始就把arr2设为3维：
arr2 = np.zeros([6,10,1])
请注意，从左侧使用时广播 确实有效：
>>> arr1 = np.zeros([50,6,10]) # Swapped ("rolled") dimensions
>>> arr2 = np.zeros([6,10])
>>> arr1[25:26, :, :] = arr2 # No need to add an extra axis
只是像你的代码一样，从右边使用时它不起作用。
由于 range(25, 26, 1) 实际上是一个数字，您可以使用：
arr1[:, :, 25:26] = arr2[..., None]
或：
arr1[:, :, 25] = arr2
代替arr1[:, :, range(25,26,1)] = [arr2]。
请注意，对于未缩减为单个数字的 ranges/slices，第一行将使用 broadcasting。
您的原始代码不起作用的原因是您以不兼容的方式混合了 NumPy 数组和 Python list，因为 NumPy 将 [arr2] 解释为具有形状(1, 6, 10) 而结果预期的形状是 (6, 10, 1) （您得到的错误基本上与此有关。）
上述解决方案旨在确保 arr2 处于兼容状态。
另一种可能性是改变收件人的形状，这将允许您分配 [arr2]，例如：
arr1 = np.zeros([50,6,10])
arr2 = np.zeros([6,10])
arr1[25:26, :, :] = [arr2]
虽然这种方法可能效率较低，因为 arr2[..., None] 只是 arr2 中相同数据的内存视图，而 [arr2] 正在创建（阅读：为) 一个新的 list 对象，这需要一些转换（发生在引擎盖下）分配给 NumPy 数组。
我遇到了一个我不太理解的奇怪输出的基本错误：
复制步骤
arr1 = np.zeros([6,10,50])
arr2 = np.zeros([6,10])
arr1[:, :, range(25,26,1)] = [arr2]
产生这个错误：
ValueError: shape mismatch: value array of shape (1,6,10) could not be broadcast to indexing result of shape (1,6,10)
谁能解释一下我做错了什么？
向 arr2 添加一个额外的维度：
arr1[:, :, range(25,26,1)] = arr2.reshape(arr2.shape + (1,))
此处使用的 range 更简单的表示法：
arr1[:, :, 25:26)] = arr2.reshape(arr2.shape + (1,))
（和 slice(25,26,1) 或 slice(25,26) 也可以工作；只是为了增加选项和可能的混淆。）
或者在arr2的末尾插入一个额外的轴：
arr1[..., 25:26] = arr2[..., np.newaxis]
（其中 ... 表示 "as many dimensions as possible"）。您也可以使用 None 而不是 np.newaxis；后者可能更明确，但任何了解 NumPy 的人都会将 None 视为插入额外的维度（轴）。
当然你也可以一开始就把arr2设为3维：
arr2 = np.zeros([6,10,1])
请注意，从左侧使用时广播 确实有效：
>>> arr1 = np.zeros([50,6,10]) # Swapped ("rolled") dimensions
>>> arr2 = np.zeros([6,10])
>>> arr1[25:26, :, :] = arr2 # No need to add an extra axis
只是像你的代码一样，从右边使用时它不起作用。
由于 range(25, 26, 1) 实际上是一个数字，您可以使用：
arr1[:, :, 25:26] = arr2[..., None]
或：
arr1[:, :, 25] = arr2
代替arr1[:, :, range(25,26,1)] = [arr2]。
请注意，对于未缩减为单个数字的 ranges/slices，第一行将使用 broadcasting。
您的原始代码不起作用的原因是您以不兼容的方式混合了 NumPy 数组和 Python list，因为 NumPy 将 [arr2] 解释为具有形状(1, 6, 10) 而结果预期的形状是 (6, 10, 1) （您得到的错误基本上与此有关。）
上述解决方案旨在确保 arr2 处于兼容状态。
另一种可能性是改变收件人的形状，这将允许您分配 [arr2]，例如：
arr1 = np.zeros([50,6,10])
arr2 = np.zeros([6,10])
arr1[25:26, :, :] = [arr2]
虽然这种方法可能效率较低，因为 arr2[..., None] 只是 arr2 中相同数据的内存视图，而 [arr2] 正在创建（阅读：为) 一个新的 list 对象，这需要一些转换（发生在引擎盖下）分配给 NumPy 数组。