一个numpy int64的坑

最新推荐文章于 2025-04-10 22:25:33 发布
最新推荐文章于 2025-04-10 22:25:33 发布
阅读量2.3w 收藏 9
点赞数 10
CC 4.0 BY-SA版权
文章标签： python json c/c++
原文链接：https://my.oschina.net/Kanonpy/blog/1543791
本文介绍了一个关于使用TensorFlow进行预测时遇到的JSON序列化错误，并详细解释了如何排查并解决该问题，主要涉及到numpy.int64类型与Python原生整型之间的区别。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

今天跑一个tensorflow代码，由于最后结果需要导出为json的文件，所以采用了json.dumps直接写文件，但是一直报错：

Traceback (most recent call last):
  File "predict_test.py", line 62, in <module>
    json.dump(submit, fw)
  File "/home/tensorflow/.pyenv/versions/3.5.3/lib/python3.5/json/__init__.py", line 178, in dump
    for chunk in iterable:
  File "/home/tensorflow/.pyenv/versions/3.5.3/lib/python3.5/json/encoder.py", line 427, in _iterencode
    yield from _iterencode_list(o, _current_indent_level)
  File "/home/tensorflow/.pyenv/versions/3.5.3/lib/python3.5/json/encoder.py", line 324, in _iterencode_list
    yield from chunks
  File "/home/tensorflow/.pyenv/versions/3.5.3/lib/python3.5/json/encoder.py", line 403, in _iterencode_dict
    yield from chunks
  File "/home/tensorflow/.pyenv/versions/3.5.3/lib/python3.5/json/encoder.py", line 324, in _iterencode_list
    yield from chunks
  File "/home/tensorflow/.pyenv/versions/3.5.3/lib/python3.5/json/encoder.py", line 436, in _iterencode
    o = _default(o)
  File "/home/tensorflow/.pyenv/versions/3.5.3/lib/python3.5/json/encoder.py", line 179, in default
    raise TypeError(repr(o) + " is not JSON serializable")
TypeError: 26 is not JSON serializable

输入图片说明

蒙蔽了很久，怎么26这个数字不可以serializable？？

定位到报错代码位置，报错代码如下：

top_indices = []
submit = []
for i in range(n):
    diction = {}
    diction["label_id"] = list(preds[i].argsort()[-3:][::-1])
    diction["image_id"] = id_list[i]
    submit.append(diction)

with open('submit.plk','w') as fw:
    json.dump(submit, fw)

好像没有什么问题呀~？？

做了个小测试：

In [2]: a = submit[1]

In [3]: a
Out[3]: 
{'image_id': 'c532ed79f6c54fb3cf8c45004656e385079a5284.jpg',
 'label_id': [25, 13, 15]}

In [4]: b = {'image_id': 'c532ed79f6c54fb3cf8c45004656e385079a5284.jpg',
   ...:  'label_id': [25, 13, 15]}

In [5]: json.dumps(b)
Out[5]: '{"image_id": "c532ed79f6c54fb3cf8c45004656e385079a5284.jpg", "label_id": [25, 13, 15]}'

In [6]: a == b
Out[6]: True

In [7]: json.dumps(a)
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-9-373a2a7edfd2> in <module>()
...
TypeError: 25 is not JSON serializable

明明a 的值 和b 相等，为什么b就可以json.dumps，而 a json.dumps报错，懵逼一会，想想要不查看下25这个对象，原来对于a来说 25 是一个<type 'numpy.int64'>！！！

被狠狠地坑了半个小时~~由于平时做数据处理大家会经常用到numpy的array，所以大家也要注意，虽然都是整形，但numpy.int64和python的整数是不一样的，解决方案，可以用astype('in32t')或者直接用python的int()方法。

转载于:https://my.oschina.net/Kanonpy/blog/1543791

Python之pandas：特征工程中数据类型(object/category/bool/int32/int64/float64)的简介、数据类型转换四大方法、案例应用之详细攻略
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
03-29 1万+
Python之pandas：数据类型变换之object、category、bool、int32、int64、float64以及数据类型标准化之详细攻略 目录 数据类型变换之object、category、bool、int32、int64、float64以及数据类型标准化 知识点 1、category类型与object类型 输出结果 实现代码 推荐文章 ​​​​​​​Python之pandas：在pandas中创建category类型数据的几...
numpy
张艳秋的博客
10-28 2877
一，NumPy 介绍 1，什么是 NumPy? NumPy是Python中科学计算的基础包。它是一个Python库，提供多维数组对象，各种派生对象（如掩码数组和矩阵），以及用于数组快速操作的各种API，有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等。 NumPy包的核心是 ndarray 对象。它封装了python原生的同数据类型的 n ...
天坑！python【numpy.int64和int类型转换】
JM1307hhh的博客
12-06 1万+
numpy.int64和int是不一样的！！！！一定要注意，这个坑我踩了好几天才发现！！！！！当程序找不到问题的时候，可以检查一下是否存在类型不一致的情况
python int64_一个numpy int64的坑
weixin_33278819的博客
02-19 5248
今天跑一个tensorflow代码，由于最后结果需要导出为json的文件，所以采用了json.dumps直接写文件，但是一直报错：Traceback (most recent call last):File "predict_test.py", line 62, in json.dump(submit, fw)File "/home/tensorflow/.pyenv/versions/3.5.3...
'numpy.int64' object has no attribute 'startswith'解决办法
热门推荐
mumujunV5的博客
01-15 2万+
想要通过遍历数据中的给出的几个列，匹配某些字符开头的字符串，如果有，则新建的last列的数值加2 Python原始代码如下： import pandas as pd import numpy as np patient=pd.read_csv(r'C:\Users\Administrator\full_cohort_data2.csv') last = np.zeros(patient.sha
【NUMPY】AttributeError: ‘numpy.int64‘ object has no attribute ‘append‘错误怎么处理
cmkyyds的博客
03-09 2795
在numpy使用过程中想要扩充序列我们常常想到我们在python经常使用的append方法而发生该报错！
＜class ‘numpy.int64‘＞ to int
fa1c4的blog
12-23 6456
做数据处理时遇到的bug, 简单记录一下 如果dataframe取index作为int类型使用, 会因为这个类型冲突导致bug 代码实例 import numpy as np # for example, numpy.float32 -> python float val = np.float32(0) pyval = val.item() print(type(pyval)) # <class 'float'> # and similar... type(np.flo
Mujoco-py安装报错解决：TypeError: ‘numpy.intc‘ object is not iterable
Remi的博客
04-18 2333
安装Mujoco和Mujoco-py的时候踩了不少坑，在Github上找到了解决方法，记录一下。 Mujoco和Mujoco-py的安装教程参考如下 Windows10 win10安装mujoco200,mujoco_py2.0.2.9,gym WIN10系统安装gym、mujoco以及Atari MuJoCo.py win10 安装 笔记 Linux Linux系统 Ubuntu18.04 成功安装Mujoco、mujoco_py 安装流程不再赘述 Linux上的安装基本很顺利，出现问题先检查路径设置和版
NumPy中np.clip函数超详细解析：从入门到实战避坑指南
最新发布
xuemenghan的博客
04-10 848
错误操作np.clip(arr, 2, 3) # 以为arr会变成[2,2,3,3]print(arr) # 实际还是[1,2,3,4]（原数组未改变）正确做法：必须用变量接收返回值，或使用outnp.clip(arr, 2, 3, out=arr) # 原地修改，arr变为[2,2,3,3]核心功能| 将数组元素限制在[min, max]区间，越界元素取边界值 |常用场景| 数据清洗、梯度裁剪、图像像素修复 |必记参数a（输入数组）、a_min（最小值）、a_max（最大值） |
Pytorch与Numpy数据类型转换完全指南
fengbeely的博客
06-23 752
在上面的示例中，我们创建了一个PyTorch张量tensor，然后使用numpy函数将其转换为Numpy数组。需要注意的是，由于PyTorch张量的数据类型是torch.int64，因此转换后的Numpy数组的数据类型也是int64。在上面的示例中，我们创建了一个PyTorch张量tensor，然后使用detach函数将其从计算图中分离出来，然后再使用numpy函数进行转换。需要注意的是，由于Numpy数组的数据类型是int32，因此转换的PyTorch张量的数据类型也是torch.int32。
python 如何实现int64类型的位操作？
韩亚军的博客
10-19 7655
背景 最近在开发的时候遇到一个要解析其他系统设置的编码id，id是int64位的，其中id 64位很多位都含有特殊意义，需要借助位操作来实现提取信息。不过开发的过程中发现python的int是无限制的，所以在得到id中间特殊位含义时出现了一些问题。 解决 def get_left_value(steps, value): if value > 18446744073709551615...
numpy数据类型
u011830148的博客
10-20 838
说明 参考文件地址：https://github.com/datawhalechina/team-learning-program/tree/master/IntroductionToNumpy 之前都是用到那查那里，这次较为系统的学习，在此记录整理。 numpy数据类型 基本数据类型 python原生的数据类型较少，为了加以区分 numpy 在这些类型名称末尾都加了“_” 类型 备注 说明 bool_ = bool8 8位 布尔类型 int8 = byte 8位 整型 int1
NumPy 数据类型
m0_56065966的博客
11-05 1931
轻松学习NumPy 数据类型
Python pyecharts Boxplot图
m0_57472099的博客
04-26 1061
现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习。
另一种解决AttributeError: ‘numpy.int64‘ object has no attribute ‘translate‘的方法
LM813381916的博客
04-08 5853
在python的编程中，使用pandas自带的to_sql方法写数据库时，遇到了“AttributeError: ‘numpy.int64’ object has no attribute ‘translate’”的报错。 上网查了一下，说是numpy.int64类型的原因，就是说原先的dataframe里的数字是int64类型，写数据库需要int类型，所以报错。 网上大多的方法是转换类型，例如，int()，df.astype(int)，但是我的dataframe里面，不止有int类型，还有float，以
Numpy基础知识
我的博客
07-26 5111
数据类型 数组创建 NumPy I/O操作 索引 Broadcasting 字节交换 结构化数组 子类化ndarray 数据类型 另见 Data type objects todo 数组类型和类型之间的转换 Numpy支持比Python更多种类的数值类型。此部分显示了哪些可用的，以及如何修改数组的数据类型。 数据类型 描述 bool_ 布尔（...
【Python】Numpy模块学习
maplepiece1999的博客
11-10 2368
Numpy模块学习 一、ndim、shape、dtype、astype ndim ndim返回的是数组的维度，返回的只有一个数，该数即表示数组的维度 2.shape shape：表示各位维度大小的元组。返回的是一个元组。 对于一维数组：有疑问的是为什么不是（1，6），因为arr1.ndim维度为1，元组内只返回一个数。 对于二维数组：前面的是行，后面的是列，他的ndim为2，所以返回两个数...
Python内置函数教程
Python热爱者的博客
11-29 410
1 .filter(function, sequence)： 对sequence中的item依次执行function(item)，将执行结果为True的item做成一个filter object的迭代器返回。可以看作是过滤函数。 str = ['a', 'b','c', 'd'] def fun1(s): if s != 'a': return s ret = filter(fun1, str) print(list(ret))# ret是一个迭代器对象
python int64_Python学习笔记——部分常用/特殊用法
weixin_39994627的博客
12-09 7721
1、使用*号来展开序列，*是序列展开，每个元素都当做一个参数。ls = (1, 2, 3);foo(ls)，这样foo只有一个参数，就是ls这个列表本身foo(*ls), foo得到3个参数，分别为1 2 3，等价于foo(1，2，3)2、python 读写文件中w与wt ; r与rt 有何区别？'t' 表示‘text mode’， 相对应的是"binary mode'就是说你是以文本模式打开，还...
编写一个种子生长法识别月球撞击坑轮廓，并返回位置坐标和大小和深度以及识别后轮廓图片的代码
08-12
### 回答1： 可以使用种子生长算法，识别月球撞击坑轮廓，并返回位置坐标和大小和深度以及识别后轮廓图片的代码如下： ``` #include <opencv2/opencv.hpp> #include <opencv2/imgproc/imgproc.hpp>// 函数声明 cv::Mat seedGrow(cv::Mat src, cv::Point2i seedPoint, int connect_way); int getValue(cv::Mat src, int x, int y, int connect_way);int main(int argc, char **argv) { // 读取图片 cv::Mat src = cv::imread("moon_crater.jpg"); if(src.empty()) { std::cout << "Cannot open the image." << std::endl; return -1; } // 转换为灰度图像 cv::Mat gray; cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY); // 定义种子点位置 cv::Point2i seedPoint(100, 100); // 连通性定义，4或8 int connect_way = 4; // 种子生长 cv::Mat dst = seedGrow(gray, seedPoint, connect_way); // 获取轮廓位置坐标和大小和深度 std::vector<std::vector<cv::Point> > contours; cv::findContours(dst, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE); cv::Rect rect = cv::boundingRect(contours[0]); int x = rect.x; int y = rect.y; int width = rect.width; int height = rect.height; int depth = cv::contourArea(contours[0]); // 获取识别后轮廓图片 cv::Mat contourImg(src.size(), CV_8UC3, cv::Scalar(0, 0, 0)); cv::drawContours(contourImg, contours, 0, cv::Scalar(255,255,255), 1); // 显示结果 std::cout << "Location: (" << x << "," << y << ")" << std::endl; std::cout << "Size: (" << width << "," << height << ")" << std::endl; std::cout << "Depth: " << depth << std::endl; cv::imshow("Contour Image", contourImg); cv::waitKey(0); return 0; }// 种子生长函数实现 cv::Mat seedGrow(cv::Mat src, cv::Point2i seedPoint, int connect_way) { cv::Mat dst = cv::Mat::zeros(src.size(), CV_8U); // 目标图像 cv::Mat isGrow(src.size(), CV_8U, cv::Scalar(0)); // 标记图像 // 队列 std::queue<cv::Point2i> Q; // 将种子点入队 Q.push(seedPoint); isGrow.at<uchar>(seedPoint) = 1; dst.at<uchar>(seedPoint) = src.at<uchar>(seedPoint); // 遍历队列 while(!Q.empty()) { // 取出队列中的首元素 cv::Point2i p = Q.front(); Q.pop(); // 搜索邻域点 for(int i = -1; i <= 1; i++) { for(int j = -1; j <= 1; j++) { // 判断是否为4或8连通 if(connect_way == 4 && i*j != 0) continue; // 判断邻域点是否满足条件 int x = p.x + i; int y = p.y + j; if(x >= 0 && x < src.cols && y >= 0 && y < src.rows && isGrow.at<uchar>(y, x) == 0) { if(getValue(src, x, y, connect_way) <= getValue(src, p.x, p.y, connect_way)) { dst.at<uchar>(y, x) = src.at<uchar>(y, x); Q.push(cv::Point2i(x, y)); isGrow.at<uchar>(y, x) = 1; } } } } } return dst; }// 获取像素值 int getValue(cv::Mat src, int x, int y, int connect_way) { int sum = 0; int count = 0; for(int i = -1; i <= 1; i++) { for(int j = -1; j <= 1; j++) { // 判断是否为4或8连通 if(connect_way == 4 && i*j != 0) continue; // 计算像素值 int x_p = x + i; int y_p = y + j; if(x_p >= 0 && x_p < src.cols && y_p >= 0 && y_p < src.rows) { sum += src.at<uchar>(y_p, x_p); count++; } } } return sum / count; } ``` ### 回答2： 要编写一个种子生长法识别月球撞击坑轮廓的算法，可以按照以下步骤进行： 1. 数据预处理：获取月球的影像数据，并对数据进行预处理，包括去除噪声、调整光照等操作，以便识别撞击坑轮廓。 2. 种子生长法：通过种子生长法来识别撞击坑轮廓。首先，选择一个种子点，该点应位于一个撞击坑内部；然后，使用阈值方法对种子点的像素进行分割，将其作为种子集合；接下来，对于每个种子点，根据一定的生长准则（比如像素灰度值相似性、空间邻近性等），逐步生长扩展种子集合，直到无法继续生长。最后，将扩展后的种子集合作为撞击坑的轮廓。 3. 获得撞击坑信息：通过分析撞击坑轮廓，可以计算得到撞击坑的位置坐标、大小和深度等信息。位置坐标可以采用轮廓的重心来表示，大小可以通过轮廓的像素数目来计算，深度可以通过分析撞击坑的边缘像素灰度值的变化来估算。 4. 输出结果：根据需求将获得的撞击坑信息进行输出，可以将位置坐标和大小和深度写入相应的文件中，也可以将识别后的轮廓图片保存下来。 以下是代码的一个大致框架： ```python import cv2 import numpy as np # 数据预处理 image = cv2.imread("moon_image.jpg") # 预处理操作.... # 种子生长法 seeds = [] # 种子集合 # 选择种子点的策略.... while len(seeds) > 0: seed = seeds.pop(0) # 种子生长操作.... # 获得撞击坑信息 contours, _ = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for contour in contours: # 计算撞击坑位置坐标、大小和深度等信息.... # 保存识别后的轮廓图片 output_image = cv2.drawContours(image, contours, -1, (0, 255, 0), 2) cv2.imwrite("output_image.jpg", output_image) ``` 以上是一个简单的算法框架，具体的实现需要根据具体需求进行适当调整和完善。 ### 回答3： 编写一个种子生长法识别月球撞击坑轮廓的代码需要分为几个步骤。首先，读入一张月球表面的图像。然后，通过图像处理方法将图像转换为灰度图像以便之后的处理。接下来，使用特定的阈值方法将灰度图像转换为二值图像。 在得到二值图像后，可以使用种子生长法来识别月球撞击坑的轮廓。种子生长法基于给定的种子点在相邻像素之间进行生长，从而确定轮廓。通过对种子点进行合适的选择，可以确保正确地识别撞击坑的轮廓。 一种常用的种子生长法是基于图像的连通性，即一个像素与其相邻像素之间的相似性。我们可以选择一个像素作为种子点，并逐渐生长，直到满足停止条件。停止条件可以是像素的灰度值等于一定的阈值，或者像素之间的距离超过一定的阈值。 在种子生长过程中，可以记录符合条件的像素的位置坐标，并计算撞击坑的大小和深度。位置坐标可以根据种子点的位置和生长过程中的生长方向计算得到。大小可以通过统计识别到的像素数量来计算。深度可以通过距离种子点的距离来估计，较远的像素可能表示较深的撞击坑。 最后，可以将识别出的轮廓以及位置、大小和深度的信息保存下来。同时，可以将轮廓和图像合并并显示，以便观察轮廓的准确度。 综上所述，编写一个种子生长法识别月球撞击坑轮廓的代码需要包括图像处理、阈值处理、种子生长法、位置和大小和深度的计算等多个步骤。具体实现代码可能较为复杂，超过了300字的限制。希望这些步骤的描述对您有所帮助。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值