<\/p>\n
Ein Fehler, der bei der Verwendung von NumPy auftreten kann, ist:<\/span><\/p>\n Dieser Fehler tritt auf, wenn Sie einer Funktion, die eine Ganzzahl erwartet, einen Gleitkommawert bereitstellen.<\/span><\/p>\n Das folgende Beispiel zeigt, wie dieser Fehler in der Praxis behoben werden kann.<\/span><\/p>\n Angenommen, wir versuchen, die folgende for-Schleife zu verwenden, um verschiedene Zahlen in ein NumPy-Array zu drucken:<\/span><\/p>\n Wir erhalten eine Fehlermeldung, weil die Funktion range()<\/strong> eine Ganzzahl erwartet, die Werte im NumPy-Array jedoch Gleitkommazahlen sind.<\/span><\/p>\n Es gibt zwei M\u00f6glichkeiten, diesen Fehler schnell zu beheben:<\/span><\/p>\n Methode 1: Verwenden Sie die Funktion int()<\/strong><\/span><\/p>\n Eine M\u00f6glichkeit, diesen Fehler zu beheben, besteht darin, den Aufruf einfach wie folgt mit int()<\/strong> zu umschlie\u00dfen:<\/span><\/p>\n Mit der Funktion int()<\/strong> konvertieren wir jeden Float-Wert im NumPy-Array in eine Ganzzahl, um den zuvor aufgetretenen TypeError<\/strong> zu vermeiden.<\/span><\/p>\n Methode 2: Verwenden Sie die Funktion .astype(int).<\/strong><\/span><\/p>\n Eine andere M\u00f6glichkeit, diesen Fehler zu beheben, besteht darin, zun\u00e4chst die NumPy-Array-Werte in Ganzzahlen umzuwandeln:<\/span><\/p>\n Durch die Verwendung dieser Methode vermeiden wir den TypeError<\/strong> erneut.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere h\u00e4ufige Fehler in Python beheben:<\/span><\/p>\n So beheben Sie KeyError in Pandas<\/a> Ein Fehler, der bei der Verwendung von NumPy auftreten kann, ist: TypeError : ’numpy.float64′ object cannot be interpreted as an integer Dieser Fehler tritt auf, wenn Sie einer Funktion, die eine Ganzzahl erwartet, einen Gleitkommawert bereitstellen. Das folgende Beispiel zeigt, wie dieser Fehler in der Praxis behoben werden kann. So reproduzieren Sie den Fehler Angenommen, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n TypeError<\/span> : 'numpy.float64' object cannot be interpreted as an integer\n<\/strong><\/pre>\n So reproduzieren Sie den Fehler<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\n#define array of values<\/span>\ndata = np. array<\/span> ([3.3, 4.2, 5.1, 7.7, 10.8, 11.4])\n\n#use for loop to print out range of values at each index\n<\/span>for<\/span> i in<\/span> range(len(data)):\n print<\/span> (range(data[i]))\n\nTypeError<\/span> : 'numpy.float64' object cannot be interpreted as an integer\n<\/span><\/span><\/strong><\/pre>\n So beheben Sie den Fehler<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\n#define array of values<\/span>\ndata = np. array<\/span> ([3.3, 4.2, 5.1, 7.7, 10.8, 11.4])\n\n#use for loop to print out range of values at each index\n<\/span>for<\/span> i in<\/span> range(len(data)):\n print<\/span> (range(int(data[i])))\n\nrange(0, 3)\nrange(0, 4)\nrange(0, 5)\nrange(0, 7)\nrange(0, 10)\nrange(0, 11)\n<\/span><\/span><\/strong><\/pre>\n import<\/span> numpy as<\/span> np\n\n#define array of values\n<\/span>data = np. array<\/span> ([3.3, 4.2, 5.1, 7.7, 10.8, 11.4])\n\n#convert array of floats to array of integers<\/span>\ndata_int = data. astype<\/span> (int)\n\n#use for loop to print out range of values at each index\n<\/span>for<\/span> i in<\/span> range(len(data)):\n print<\/span> (range(data[i]))\n\nrange(0, 3)\nrange(0, 4)\nrange(0, 5)\nrange(0, 7)\nrange(0, 10)\nrange(0, 11)<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So beheben Sie: ValueError: Float NaN kann nicht in int konvertiert werden<\/a>
So beheben Sie: ValueError: Operanden konnten nicht mit Formen \u00fcbertragen werden<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"