索引1超出大小为1的轴0的边界

Question

我不知道为什么我会收到索引错误。我对Python很新，因此无法弄清楚该怎么做。我认为我正在初始化一些错误的维度，但我无法打破它。

import numpy as np 
import matplotlib as plt 

x = np.array([45, 68, 41, 87, 61, 44, 67, 30, 54, 8, 39, 60, 37, 50, 19, 86, 42, 29, 32, 61, 25, 77, 62, 98, 47, 36, 15, 40, 9, 25, 34, 50, 61, 75, 51, 96, 20, 13, 18, 35, 43, 88, 25, 95, 68, 81, 29, 41, 45, 87,45, 68, 41, 87, 61, 44, 67, 30, 54, 8, 39, 60, 37, 50, 19, 86, 42, 29, 32, 61, 25, 77, 62, 98, 47, 36, 15, 40, 9, 25, 34, 50, 61, 75, 51, 96, 20, 13, 18, 35, 43, 88, 25, 95, 68, 81, 29, 41, 45, 87]) 
len_x = len(x) 
mean = np.mean(x) 

xup = np.zeros(shape=(1,120)) 
for i in range(len_x) : 
    xup[i] = (x[i] - mean) ** 2 

xup_sum = np.sum(xup) 
var = xup_sum/len_x 
std_dev = var ** 0.5 

z = np.zeros(shape = (1,120)) 
for i in range(len_x) : 
    z[i] = (x[i] - mean)/std_dev 

print("Mean :", mean) 
print("Standard_dev :",std_dev) 
print("Variance : ",var) 

Answer 1

xup是二维的。因此，而不是xup[i]你需要xup[0][i]

只是解决这2个地方：

xup = np.zeros(shape=(1,120)) 
for i in range(len_x) : 
    xup[0, i] = (x[i] - mean) ** 2 

然后再在这里：

z = np.zeros(shape = (1,120)) 
for i in range(len_x) : 
    z[0, i] = (x[i] - mean)/std_dev 

这将是您发布上面的这两个变化的文件：

import numpy as np 
import matplotlib as plt 

x = np.array([45, 68, 41, 87, 61, 44, 67, 30, 54, 8, 39, 60, 37, 50, 19, 86, 42, 29, 32, 61, 25, 77, 62, 98, 47, 36, 15, 40, 9, 25, 34, 50, 61, 75, 51, 96, 20, 13, 18, 35, 43, 88, 25, 95, 68, 81, 29, 41, 45, 87,45, 68, 41, 87, 61, 44, 67, 30, 54, 8, 39, 60, 37, 50, 19, 86, 42, 29, 32, 61, 25, 77, 62, 98, 47, 36, 15, 40, 9, 25, 34, 50, 61, 75, 51, 96, 20, 13, 18, 35, 43, 88, 25, 95, 68, 81, 29, 41, 45, 87]) 
len_x = len(x) 
mean = np.mean(x) 

xup = np.zeros(shape=(1,120)) 
for i in range(len_x) : 
    xup[0, i] = (x[i] - mean) ** 2 

xup_sum = np.sum(xup) 
var = xup_sum/len_x 
std_dev = var ** 0.5 

z = np.zeros(shape = (1,120)) 
for i in range(len_x) : 
    z[0, i] = (x[i] - mean)/std_dev 

print("Mean :", mean) 
print("Standard_dev :",std_dev) 
print("Variance : ",var) 

Answer 2

你真的应该告诉我们错误发生在哪里。但我可以猜到：

xup = np.zeros(shape=(1,120)) 
for i in range(len_x) : 
    xup[i,:] = (x[i] - mean) ** 2 #<===== 

（类似z环以下）

我添加了一个隐含的,:。您的xup[i]正在索引第一个维度。但是，这只是大小1.创建它是第二个维度很大。 xup[0,i]是正确的索引。

为什么xup 2d与（1,120）形状？为什么不与x（我认为是（120，））具有相同的形状？ xup = np.zeros(len_x)。

更好的是使用适当的numpy阵列计算：

xup = (x-mean)**2 

然而，这xup具有形状（100），同样为x。

您已经在使用np.mean(x)，它在整个x上运行。运营商如-和**也是如此。

（早些时候我会建议使用np.zeros_like(x)，但后来意识到，这将创建一个整数数组一样x。从计算分配浮点值，这将产生问题。如果做一个分配和填充循环中，您需要注意到目标阵列的形状和dtype。）