如何修复Python循环中的ValueError广播错误？

报错信息 #

ValueError: operands could not be broadcast together with shapes (10,) (5,)

数据预处理代码 #

import pandas as pd
import numpy as np

data1 = pd.DataFrame({"cust_id": ['x111'], #customer data
                      "state": ['B'],
                      "amount": [1000],
                      "year":[3],
                      "group":[10],
                      "loan_rate":[0.12]})

state_list = ['A','B','C','D','E'] #possible states
data1['state'] = pd.Categorical(data1['state'], 
                                        categories=state_list, 
                                        ordered=True).codes

lookup1 = pd.DataFrame({'year': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
                       'lim %': [0.1, 0.1, 0.1, 0.1, 0.1,0.1, 0.1, 0.1, 0.1, 0.1]}).set_index(['year'])

matrix_data = np.arange(250).reshape(10,5,5) #3d matrix by state(A-E) and year(1-10)

循环代码（报错版本） #

results={}
for cust_id, state, amount, start, group, loan_rate in data1.itertuples(name=None, index=False):
    res = [amount * matrix_data[start-1, state, :]]
    for year in range(start+1, len(matrix_data)+1,):
        temp = np.array([lookup1.loc[year].iat[0]]*len(matrix_data))
        temp[3] = temp[4] = 1
        res.append(temp * np.array(res[-1])) #报错行
        res.append(res[-1] * loan_rate)
        res.append(res[-1]+ 60)
        res.append([res[-1] @ matrix_data[year-1]])
        results[cust_id] = res

预期输出 #

{'x111': [array([55000, 56000, 57000, 58000, 59000]),
  array([ 5500.,  5600.,  5700., 58000., 59000.]),...

问题分析与解决方案 #

错误原因 #

报错行temp * np.array(res[-1])中，temp是长度为10的数组（len(matrix_data)等于10），而res[-1]是长度为5的数组（初始值来自matrix_data[start-1, state, :]，第三个维度为5），两者形状不匹配，导致NumPy无法执行广播运算。

修正代码 #

调整temp的长度为5，匹配res中数组的形状，同时修正最后一行的矩阵乘法结果格式：

results={}
for cust_id, state, amount, start, group, loan_rate in data1.itertuples(name=None, index=False):
    res = [amount * matrix_data[start-1, state, :]]
    for year in range(start+1, len(matrix_data)+1):
        # 将temp长度改为5，与res中数组形状一致
        temp = np.array([lookup1.loc[year].iat[0]]*5)
        temp[3] = temp[4] = 1
        res.append(temp * np.array(res[-1]))
        res.append(res[-1] * loan_rate)
        res.append(res[-1]+ 60)
        # 去掉多余的[]，直接存储点积后的数组
        res.append(res[-1] @ matrix_data[year-1])
        results[cust_id] = res

关键修改点 #

1. 将temp = np.array([lookup1.loc[year].iat[0]]*len(matrix_data))改为temp = np.array([lookup1.loc[year].iat[0]]*5)，确保temp与res[-1]形状均为(5,)，支持逐元素相乘。
2. 将res.append([res[-1] @ matrix_data[year-1]])改为res.append(res[-1] @ matrix_data[year-1])，避免把数组包裹成列表，与预期输出格式一致。

相关问题 #

如何在嵌套循环中结合np.where使用append？

内容的提问来源于stack exchange，提问作者user1000x