计算ndarray的Z-score时触发数组真值判断歧义错误求助

核心原因：数组类型为object #

从np.info的输出能明确看到ts_all的类型是object，而非数值类型（比如float64）。stats.zscore处理object类型数组时，内部逻辑会触发隐含的布尔判断，进而抛出"truth value ambiguous"错误——哪怕你没写显式的布尔比较，函数内部也会用到这类判断。

错误根源：拼接函数参数传递错误 #

np.concatenate要求第一个参数是数组序列（比如列表或元组），你直接传入ts_1, ts_2会被解析成两个独立参数，不符合函数要求。正确写法是把两个数组放进列表：

ts_all = np.concatenate([ts_1, ts_2], axis=1)

错误的参数传递导致numpy无法正确合并数值数组，最终生成了object类型的ts_all。

关键修正步骤 #

1. 修复拼接参数：将ts_1和ts_2放入列表作为np.concatenate的第一个参数
2. 转换为数值类型：显式将数组转为数值类型，避免loadmat读取时的类型异常
3. 简化计算逻辑：无需循环，直接调用stats.zscore指定轴方向即可完成计算

完整修正代码 #

data = loadmat('data.mat')
ts_1 = data['exp1']
ts_2 = data['exp2']
# 修正拼接方式并转换为float64类型
ts_all = np.concatenate([ts_1, ts_2], axis=1).astype(np.float64)
# 直接计算每列的Z-score，axis=0表示按列计算
ts_all_z = stats.zscore(ts_all, axis=0)

内容的提问来源于stack exchange，提问作者Castro Pablo