使用NumPy计算列表均值时触发AttributeError问题求助

问题核心 #

• 报错代码中，family_name（3个元素）与family_age（4个元素）长度不匹配，且创建numpy数组时指定了dtype=object。这种情况下numpy无法将两组数据转换成统一结构的数值型二维数组，只能把原始的Python列表作为独立对象存入数组。
• 执行family_name_age[1]取出的是原生Python列表，而Python列表没有mean()方法，因此触发报错。

报错代码：

import numpy as np
family_name = ['Homer','Marge','Maggie']
family_age = [39,36,2,8]
family_name_age = np.array([family_name, family_age], dtype=object)
avg_family_age = family_name_age[1].mean()
print('Average age: {:.2f}'.format(avg_family_age))

正常代码能运行的原因 #

• 正常代码里的family_height_cm和family_weight_kg长度均为3，numpy可以直接将它们转换为形状为(2,3)的二维数值型ndarray。
• 此时family_bmi_data[0]取出的是numpy一维数组，自带mean()方法，因此能正常计算均值。

正常代码：

family_height_cm = [183,172,82]
family_weight_kg = [109,60,11]
family_bmi_data = np.array([family_height_cm,family_weight_kg])
avg_fam_height = family_bmi_data[0].mean()
print('Average height: {:.2f}'.format(avg_fam_height))

通俗理论解释 #

numpy数组本质是规整的结构化容器，要求内部每一行的元素数量必须一致，这样才能对所有元素进行统一的数值运算。如果输入的各行长度不一样，numpy就无法构建这种规整结构，只能把每个原始列表当作“独立个体”存入数组，此时取出的元素还是原来的Python列表，不具备numpy数组的方法（比如mean()）。

内容的提问来源于stack exchange，提问作者Josh_BI_UK