如果您对Matplotlib堆叠直方图numpy.ndarray错误感兴趣，那么本文将是一篇不错的选择，我们将为您详在本文中，您将会了解到关于Matplotlib堆叠直方图numpy.ndarray错

如果您对Matplotlib 堆叠直方图 numpy.ndarray 错误感兴趣，那么本文将是一篇不错的选择，我们将为您详在本文中，您将会了解到关于Matplotlib 堆叠直方图 numpy.ndarray 错误的详细内容，我们还将为您解答python堆叠直方图的相关问题，并且为您提供关于"ValueError: Failed to convert a NumPy array to an Tensor (Unsupported object type numpy.ndarray). 在 TensorFlow CNN 中进行图像分类、'<=' 在 'numpy.ndarray' 和 'numpy.ndarray' 的实例之间不受支持但 LHS 是 pd.Timestamp、'numpy.ndarray' 对象在 map 函数中不可调用，使用 numpy 数组、Jupyter 中的 Numpy 在打印时出错（Python 版本 3.8.8）：TypeError: 'numpy.ndarray' object is not callable的有价值信息。

• Matplotlib 堆叠直方图 numpy.ndarray 错误（python堆叠直方图）
• "ValueError: Failed to convert a NumPy array to an Tensor (Unsupported object type numpy.ndarray). 在 TensorFlow CNN 中进行图像分类
• '<=' 在 'numpy.ndarray' 和 'numpy.ndarray' 的实例之间不受支持但 LHS 是 pd.Timestamp
• 'numpy.ndarray' 对象在 map 函数中不可调用，使用 numpy 数组
• Jupyter 中的 Numpy 在打印时出错（Python 版本 3.8.8）：TypeError: 'numpy.ndarray' object is not callable

Matplotlib 堆叠直方图 numpy.ndarray 错误（python堆叠直方图）

如何解决Matplotlib 堆叠直方图 numpy.ndarray 错误

我试图通过循环遍历数据框中的类别并根据字典分配条形颜色来使用 matplotlib 制作堆叠直方图。

我在调用 ax1.hist() 时收到此错误。我该如何解决？ AttributeError: ''numpy.ndarray'' object has no attribute ''hist''

可重现的示例

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
%matplotlib inline
plt.style.use(''seaborn-whitegrid'')
y = [1,5,9,2,4,6,1]
cat = [''A'',''B'',''A'',''B'']
df = pd.DataFrame(list(zip(y,cat)),columns =[''y'',''cat''])
fig,axes = plt.subplots(3,3,figsize=(5,5),constrained_layout=True)
fig.suptitle(''Histograms'')
ax1 = axes[0]
mycolorsdict = {''A'':''magenta'',''B'':''blue''}
for key,batch in df.groupby([''cat'']):
    ax1.hist(batch.y,label=key,color=mycolorsdict[key],density=False,cumulative=False,edgecolor=''black'',orientation=''horizontal'',stacked=True)

已更新，仍然无效

这很接近，但不是堆叠（应该在 y=5 处看到堆叠）；我想可能是因为循环？

mycolorsdict = {''A'':''magenta'',''B'':''blue''}
for ii,ax in enumerate(axes.flat):
    for key,batch in df.groupby([''cat'']):
        ax.hist(batch.y,stacked=True)

解决方法

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
plt.style.use(''seaborn-whitegrid'')
y = [1,5,9,2,4,6,1]
cat = [''A'',''B'',''A'',''B'']
df = pd.DataFrame({''y'':y,''cat'':cat})
fig,axes = plt.subplots(3,3,figsize=(20,10),constrained_layout=True)
fig.suptitle(''Histograms'')
mycolorsdict = {''A'': ''magenta'',''B'': ''blue''}
groups = df.groupby([''cat''])
axes[0,0].hist([batch.y for _,batch in groups],label=[key for key,_ in groups],color=[mycolorsdict[key] for key,density=False,edgecolor=''black'',cumulative=False,orientation=''horizontal'',stacked=True,bins=np.arange(0.5,10))
axes[0,0].legend()
sns.histplot(data=df,y=''y'',hue=''cat'',palette=mycolorsdict,discrete=True,multiple=''stack'',alpha=1,ax=axes[0,1])
plt.show()

"ValueError: Failed to convert a NumPy array to an Tensor (Unsupported object type numpy.ndarray). 在 TensorFlow CNN 中进行图像分类

如何解决"ValueError: Failed to convert a NumPy array to an Tensor (Unsupported object type numpy.ndarray). 在 TensorFlow CNN 中进行图像分类

我一直在研究用于图像分类的 CNN，但我一直遇到同样的错误，我的数据正在加载到数据帧中，但我无法将其转换为张量以将其输入 CNN。如您所见，我使用此代码将图片加载到数据框中：

for i in range(len(merged)):
    full_path = merged.iloc[i][''Image Path Rel'']
    filename = full_path[-22:-1] + ''G''
    try:
        img = img_to_array(load_img(''D:/Serengeti_Data/Compressed/Compressed/'' + filename,target_size=(32,32,3)))
    except:
        img = np.zeros((32,3),dtype=np.float32)
        images = images.append({''Capture Id'' : merged.iloc[i][''Capture Id''],''Image'' : img},ignore_index = True)
    else:
        images = images.append({''Capture Id'' : merged.iloc[i][''Capture Id''],ignore_index = True)

然后，一旦我使用 load_img() 和 img_to_array() 加载了图像，我进行了重塑以获得所需的 (32,3) 形状。还通过将 Image 列除以 255 来标准化这些值。

然后我这样做是为了尝试将其转换为张量：

train_tf = tf.data.Dataset.from_tensor_slices(images[''Image''])
# Also tried this,but didn''t got the same results:
# train_tf = tf.convert_to_tensor(train_df[''Image''])

但不断收到错误：

ValueError: 无法将 NumPy 数组转换为张量（不支持的对象类型 numpy.ndarray）

我也尝试跳过它并立即尝试适应我们的模型，但得到了完全相同的错误：

trying_df = pd.DataFrame(images[''Image''])
target_df = pd.DataFrame(targets)
animal_model = models.Sequential()
animal_model.add(layers.Conv2D(30,kernel_size = (3,padding = ''valid'',activation = ''relu'',input_shape =(32,3)))
animal_model.add(layers.MaxPooling2D(pool_size=(1,1)))
animal_model.add(layers.Conv2D(60,kernel_size=(1,1),activation = ''relu''))
animal_model.add(layers.Flatten())
animal_model.add(layers.Dense(100,activation = ''relu''))
animal_model.add(layers.Dense(10,activation = ''softmax''))
## compiler to model
animal_model.compile(loss = ''categorical_crossentropy'',metrics = [''accuracy''],optimizer =''adam'')
## training the model
animal_model.fit(trying_df,target_df,batch_size = 128,epochs = 15)
animal_model.summary() 

TensorFlow 版本：2.4.1

Numpy 版本：1.19.5

熊猫版本：1.0.1

解决方法

image = cv2.imread(filename)
image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)

IMG_SIZE = 180
resize_and_rescale = tf.keras.Sequential([
  layers.experimental.preprocessing.Resizing(IMG_SIZE,IMG_SIZE),layers.experimental.preprocessing.Rescaling(1./255)
])
model = tf.keras.Sequential(
    [
        resize_and_rescale,layers.Conv2D(32,3,activation="relu"),layers.MaxPooling2D(),layers.Conv2D(64,layers.Conv2D(128,layers.Flatten(),layers.Dense(128,layers.Dense(len(class_names),activation="softmax"),]
)
model.compile(
    optimizer="adam",loss=tf.losses.SparseCategoricalCrossentropy(from_logits=True),metrics=["accuracy"],)

'<=' 在 'numpy.ndarray' 和 'numpy.ndarray' 的实例之间不受支持但 LHS 是 pd.Timestamp

如何解决''<='' 在 ''numpy.ndarray'' 和 ''numpy.ndarray'' 的实例之间不受支持但 LHS 是 pd.Timestamp

代码：

print(min_time.__class__,min_time,times.__class__)
print(max_time.__class__,max_time)
mask = (times >= min_time) * (times <= max_time)

产量：

''pandas._libs.tslibs.timestamps.Timestamp''> 2020-02-12 00:00:00+00:00

''pandas._libs.tslibs.timestamps.Timestamp''> 2020-02-12 00:00:00+00:00

''

什么给？ LHS 显然是 pandas.Timestamp，RHS 显然是 numpy.ndarray。我的类型发生了什么神奇的事情吗？

'numpy.ndarray' 对象在 map 函数中不可调用，使用 numpy 数组

如何解决''numpy.ndarray'' 对象在 map 函数中不可调用，使用 numpy 数组

我的目标是规范化二维 numpy 数组/矩阵的每一行。我以为会很简单.. 我正在尝试执行如下代码所示的地图操作。我查找了这个错误，它在像函数一样调用数组时发生，这不是我的情况..

输入参数（p_list）是一个二维的numpy数组：

import numpy as np
def normalize(p_list):
  if (type(p_list) == list):
    L = p_list
  else:
    L = p_list.tolist()    # Converts numpy matrix to list of lists.
  print(type(L))           # L is of type list ! (even if p_list is of type numpy.ndarray)
  return list(map(lambda p: np.linalg.norm(p),L))

我的错误，发生在 list(map(...)) 行。 :

TypeError: ''numpy.ndarray'' object is not callable

对不起我的误解，如果这个问题已经解决了.. :/

Jupyter 中的 Numpy 在打印时出错（Python 版本 3.8.8）：TypeError: 'numpy.ndarray' object is not callable

import numpy as np
    for i in range (5):
        n = np.random.rand ()
    print (n)

Results
0.6604903457995978
0.8236300859753154
0.16067650689842816
0.6967868357083673
0.4231597934445466

import numpy as np
    for i in range (5):
        n = np.random.rand ()
    print (n)

-------------------------------------------------- ------
TypeError Traceback (most recent call last)
<ipython-input-78-0c6a801b3ea9> in <module>
       2 for i in range (5):
       3 n = np.random.rand ()
---->  4 print (n)

       TypeError: ''numpy.ndarray'' object is not callable