Comment réparer : ‘numpy.float64’ l’objet ne peut pas être interprété comme un entier

Une erreur que vous pouvez rencontrer lors de l’utilisation de NumPy est :

TypeError: 'numpy.float64' object cannot be interpreted as an integer

Cette erreur se produit lorsque vous fournissez un flottant à une fonction qui attend un entier.

L’exemple suivant montre comment corriger cette erreur dans la pratique.

Comment reproduire l’erreur

Supposons que nous essayions d’utiliser la boucle for suivante pour imprimer différents nombres dans un tableau NumPy :

import numpy as np

#define array of values
data = np.array([3.3, 4.2, 5.1, 7.7, 10.8, 11.4])

#use for loop to print out range of values at each index
for i in range(len(data)):
    print(range(data[i]))

TypeError: 'numpy.float64' object cannot be interpreted as an integer

Nous recevons une erreur car la fonction range() attend un entier, mais les valeurs du tableau NumPy sont des flottants.

Comment réparer l’erreur

Il existe deux manières de corriger rapidement cette erreur :

Méthode 1 : utilisez la fonction int()

Une façon de corriger cette erreur consiste simplement à envelopper l’appel avec int() comme suit :

import numpy as np

#define array of values
data = np.array([3.3, 4.2, 5.1, 7.7, 10.8, 11.4])

#use for loop to print out range of values at each index
for i in range(len(data)):
    print(range(int(data[i])))

range(0, 3)
range(0, 4)
range(0, 5)
range(0, 7)
range(0, 10)
range(0, 11)

En utilisant la fonction int() , nous convertissons chaque valeur flottante du tableau NumPy en un entier afin d’éviter l’ erreur TypeError que nous avons rencontrée précédemment.

Méthode 2 : utilisez la fonction .astype(int)

Une autre façon de corriger cette erreur consiste à convertir d’abord les valeurs du tableau NumPy en entiers :

import numpy as np

#define array of values
data = np.array([3.3, 4.2, 5.1, 7.7, 10.8, 11.4])

#convert array of floats to array of integers
data_int = data.astype(int)

#use for loop to print out range of values at each index
for i in range(len(data)):
    print(range(data[i]))

range(0, 3)
range(0, 4)
range(0, 5)
range(0, 7)
range(0, 10)
range(0, 11)

En utilisant cette méthode, nous évitons à nouveau le TypeError .

Ressources additionnelles

Les didacticiels suivants expliquent comment corriger d’autres erreurs courantes en Python :

Comment réparer KeyError dans Pandas
Comment réparer : ValueError : impossible de convertir le float NaN en entier
Comment réparer : ValueError : les opérandes n’ont pas pu être diffusés avec les formes