numpy报错：多元素数组真值判断歧义，如何解决该问题？

你遇到的这个问题我之前也碰到过，其实是numpy版本更新后，linspace内部的逻辑变化导致的。之前旧版本的numpy可能允许直接传入多维数组作为start和stop参数，但新版本在判断step是否为0的时候，因为step会是一个和输入同形状的数组，直接用step == 0做判断就触发了数组布尔值的歧义错误。

先看一下你遇到的完整报错信息：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-19-187bbe847597> in <module>
----> 1 t = np.linspace(np.zeros((2, 2)), np.ones((2, 2)), 20)

~\Anaconda3\lib\site-packages\numpy\core\function_base.py in linspace(start, stop, num, endpoint, retstep, dtype)
    122         if num > 1:
    123             step = delta / div
--> 124             if step == 0:
    125                 # Special handling for denormal numbers, gh-5437
    126                 y /= div

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

解决方法 #

其实我们可以利用numpy的广播机制来实现原来的需求——生成20个从全0到全1的2x2数组，每个数组的元素都是对应位置的线性插值，具体有两种简洁的写法：

方法一：一维序列扩展维度后广播

先生成一维的0到1线性序列，通过reshape扩展维度，再和目标形状的全1数组相乘，利用广播完成每个元素的插值：

import numpy as np

# 生成一维序列并扩展为(20,1,1)，与(2,2)的全1数组广播相乘
t = np.linspace(0, 1, 20).reshape(-1, 1, 1) * np.ones((2, 2))

方法二：直接添加维度实现广播

另一种更直观的写法，通过np.newaxis给一维序列添加维度，直接匹配目标数组的形状：

t = np.linspace(0, 1, 20)[:, np.newaxis, np.newaxis] * np.ones((2, 2))

这两种方法生成的结果和你原来期望的完全一致，而且都是numpy的向量化操作，效率很高。

为什么之前没问题？ #

旧版本的numpy（大概1.20版本之前）的linspace函数内部没有这个step == 0的判断逻辑，或者对多维数组的处理更宽松，所以当时可以直接传入多维的start和stop。新版本修复了一些边界情况的处理，但也导致了这种场景下的报错。

内容的提问来源于stack exchange，提问作者JH Y