图像生成器类别频率可视化时遇numpy.float64不可迭代TypeError

问题场景 #

构建图像生成器时使用了以下代码：

train_data_dir= "/Users/awabe/Desktop/Project/PapilaDB/ExpertsSegmentations/ImagesWithContours train"

train_datagen = ImageDataGenerator(rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True,
    validation_split=0.2) # set validation split

train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    target_size=(2576, 2000),
    batch_size=24,
    class_mode='binary',
    subset='training') # set as training data

validation_generator = train_datagen.flow_from_directory(
    train_data_dir, # same directory as training data
    target_size=(2576, 2000),
    batch_size=24,
    class_mode='binary',
    subset='validation') # set as validation data

随后绘制类别频率柱状图：

plt.xticks(rotation=90)
plt.bar(x=labels, height=np.mean(train_generator.labels, axis=0))
plt.title("Frequency of Each Class")
plt.show()

得到每个类别的频率为1.5后，使用compute_class_freqs获取正负类别频率：

freq_pos, freq_neg = compute_class_freqs(train_generator.labels)
freq_pos

但执行以下可视化代码时触发错误：

data = pd.DataFrame({"Class": labels, "Label": "Positive", "Value": freq_pos})
data = data.append([{"Class": labels[l], "Label": "Negative", "Value": v} for l,v in enumerate(freq_neg)], ignore_index=True)
plt.xticks(rotation=90)
f = sns.barplot(x="Class", y="Value", hue="Label" ,data=data)

错误信息：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[173], line 2
      1 data = pd.DataFrame({"Class": labels, "Label": "Positive", "Value": freq_pos})
----> 2 data = data.append([{"Class": labels[l], "Label": "Negative", "Value": v} for l,v in enumerate(freq_neg)], ignore_index=True)
      3 plt.xticks(rotation=90)
      4 f = sns.barplot(x="Class", y="Value", hue="Label" ,data=data)

TypeError: 'numpy.float64' object is not iterable

错误原因 #

报错核心是freq_neg是单个numpy.float64数值，而enumerate(freq_neg)会尝试迭代这个浮点数，浮点数无法被迭代，因此触发TypeError。

因为你使用的是二分类（class_mode='binary'），compute_class_freqs返回的freq_pos和freq_neg都是单个数值，分别对应正类和负类的频率，并非可迭代的数组或列表。

解决方案 #

无需使用列表推导式循环，直接为每个类别构造正负频率的行数据即可。以下是修正后的代码：

方式一：直接构造完整的DataFrame #

# 假设labels是类名列表，比如['Class0', 'Class1']，对应负类和正类
data = pd.DataFrame([
    # 负类的正负频率
    {"Class": labels[0], "Label": "Positive", "Value": freq_neg},
    {"Class": labels[0], "Label": "Negative", "Value": 1 - freq_neg},
    # 正类的正负频率
    {"Class": labels[1], "Label": "Positive", "Value": freq_pos},
    {"Class": labels[1], "Label": "Negative", "Value": 1 - freq_pos}
])

plt.xticks(rotation=90)
f = sns.barplot(x="Class", y="Value", hue="Label", data=data)
plt.show()

方式二：分步添加数据 #

如果需要保留原代码的分步逻辑，可以修改为：

# 初始化正类数据
data = pd.DataFrame({
    "Class": labels,
    "Label": ["Positive"] * len(labels),
    "Value": [freq_neg, freq_pos]  # 对应labels中两个类的正频率
})

# 添加负类数据
neg_data = pd.DataFrame({
    "Class": labels,
    "Label": ["Negative"] * len(labels),
    "Value": [1 - freq_neg, 1 - freq_pos]  # 对应两个类的负频率
})

data = pd.concat([data, neg_data], ignore_index=True)

plt.xticks(rotation=90)
f = sns.barplot(x="Class", y="Value", hue="Label", data=data)
plt.show()

注意：如果compute_class_freqs的返回值定义不同（比如返回的是每个样本的正负频率数组），需要根据实际逻辑调整，但针对二分类场景，上述代码可以解决当前报错。

内容的提问来源于stack exchange，提问作者Awab Elkhair