嵌套循环中如何结合np.where与append使用？附报错解决

错误原因 #

你遇到的TypeError: can't multiply sequence by non-int of type 'numpy.float64'，本质是尝试用numpy浮点数去乘Python普通列表（序列）——列表只有乘整数时是重复元素，乘浮点数会直接报错。要实现仅前3个元素乘对应值，得先把目标数据转为numpy数组，或者直接对列表切片赋值。

示例数据与预处理 #

先给出可复现的示例数据：

import numpy as np

# 示例lookup表
lookup1 = np.array([0.5, 0.8, 1.2])
# 初始结果列表（元素为numpy数组，避免类型问题）
res = [np.array([10, 20, 30, 40, 50])]

原错误代码（触发报错的写法） #

假设你原来的代码类似这样：

# 模拟嵌套循环场景
for i in range(2):
    # 错误行：若res[-1]是普通列表，res[-1][0:3] * lookup1会触发类型错误
    new_row = np.where(True, res[-1][0:3] * lookup1, res[-1])
    res.append(new_row)

正确实现方式 #

要实现仅res[-1]的前3个元素乘以lookup1对应值，其余元素保持不变，推荐两种简洁方法：

方法1：numpy数组切片赋值（高效直接） #

直接对numpy数组的切片进行操作，避免类型不匹配：

import numpy as np

lookup1 = np.array([0.5, 0.8, 1.2])
res = [np.array([10, 20, 30, 40, 50])]

# 嵌套循环计算
for _ in range(2):
    # 复制上一行数组，避免修改原数据
    new_row = res[-1].copy()
    # 仅前3个元素乘以lookup1对应值
    new_row[0:3] *= lookup1
    res.append(new_row)

# 输出结果
for row in res:
    print(row)

方法2：数组拼接（适合需保留np.where的场景） #

如果一定要用np.where逻辑，需确保操作对象都是numpy数组：

import numpy as np

lookup1 = np.array([0.5, 0.8, 1.2])
res = [np.array([10, 20, 30, 40, 50])]

for _ in range(2):
    last_row = res[-1]
    # 计算前3个元素的修改值，后几个元素保留原数
    modified_part = last_row[0:3] * lookup1
    # 拼接成新行
    new_row = np.concatenate([modified_part, last_row[3:]])
    res.append(new_row)

# 输出结果
for row in res:
    print(row)

期望输出 #

运行上述代码后，输出如下：

[10 20 30 40 50]
[ 5. 16. 36. 40. 50.]
[ 2.5 12.8 43.2 40.  50. ]

关键注意点 #

• 确保res中的元素是numpy数组而非普通列表，numpy数组支持和标量/同维度数组的逐元素乘法。
• 操作时要调用copy()复制原数组，避免numpy的视图机制修改到之前的行数据。

内容的提问来源于stack exchange，提问作者user1000x