运行库示例时报错：TypeError: 'numpy.float64' object cannot be interpreted as an integer

TypeError: 'numpy.float64' object cannot be interpreted as an integer 报错的核心原因是：代码中把numpy.float64类型的数值传入了要求必须为整数的参数位置，Python不会对numpy浮点类型做自动隐式的整数转换，因此直接抛出类型错误。

• 对数组做索引、切片操作时，使用了numpy.float64类型的索引值
• 调用range()、np.arange()、列表resize这类要求入参为整数的方法/函数时，传入了numpy.float64类型的数值
• 调用第三方库API时，传入的整数参数是计算得到的numpy.float64类型结果

你可以根据你的场景选择对应处理方式：

• 单个数值的场景：显式转换为Python内置int类型即可，例如int(your_float64_val)，注意带小数的浮点值转int会默认向下取整
• 数组批量处理的场景：用numpy自带的类型转换方法统一处理，例如your_float_array.astype(np.int32)
• 如果要保留取整规则，可先调用np.round()（四舍五入）、np.floor()（向下取整）、np.ceil()（向上取整）处理后，再转整数类型

代码示例 #

错误写法：

import numpy as np
test_arr = np.array([1,2,3,4])
idx = np.float64(2.0)
print(test_arr[idx]) # 此处传入float64类型的索引触发报错

修正写法：

import numpy as np
test_arr = np.array([1,2,3,4])
idx = np.float64(2.0)
print(test_arr[int(idx)]) # 显式转int后正常运行

内容的提问来源于stack exchange，提问作者Bil al