🎬 鸽芷咕：个人主页
 🔥 个人专栏: 《C++干货基地》《粉丝福利》

⛺️生活的理想，就是为了理想的生活!

---

专栏介绍

在软件开发和日常使用中，BUG是不可避免的。本专栏致力于为广大开发者和技术爱好者提供一个关于BUG解决的经验分享和知识交流的平台。我们将深入探讨各类BUG的成因、解决方法和预防措施，助你轻松应对编程中的挑战。

• 博主简介

博主致力于嵌入式、Python、人工智能、C/C++领域和各种前沿技术的优质博客分享，用最优质的内容带来最舒适的阅读体验！在博客领域获得 C/C++领域优质、CSDN年度征文第一、掘金2023年人气作者、华为云享专家、支付宝开放社区优质博主等头衔。

• 个人社区 & 个人社群 加入点击 即可

加入个人社群即可获得博主精心整理的账号运营技巧，对于技术博主该如何打造自己的个人IP。带你快速找你你自己的账号定位为你扫清一切账号运营和优质内容输出问题。
​

​

引言

在Python编程中，特别是在处理科学计算和数据分析时，numpy库是一个非常强大的工具。然而，当我们在使用numpy数组时遇到TypeError: unhashable type: ‘numpy.ndarray‘的错误时，可能会感到困惑。这个错误通常发生在我们尝试将numpy.ndarray用作字典的键或集合的元素时。本文将探讨这个错误的原因，并提供解决方案。

一、问题描述

1.1 报错示例

以下是一个可能导致TypeError的示例代码：

import numpy as np
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 尝试将numpy数组用作字典的键
my_dict = {my_array: "value"}

运行上述代码将引发以下错误：

TypeError: unhashable type: ‘numpy.ndarray‘

1.2 报错分析

这个错误表明my_array是一个numpy.ndarray对象，而numpy.ndarray是不可哈希的，因此不能用作字典的键或集合的元素。在Python中，只有不可变类型（如整数、浮点数、字符串、元组等）才是可哈希的，而numpy.ndarray是可变的，其内容可以在运行时改变。

1.3 解决思路

为了解决这个问题，我们需要确保我们不是在尝试将不可哈希的类型用作字典的键。以下是一些可能的解决方案。

二、解决方法

2.1 方法一：转换为元组

由于元组是可哈希的，我们可以将numpy.ndarray转换为元组，然后将元组用作字典的键。

import numpy as np
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 将numpy数组转换为元组
tuple_representation = tuple(my_array)
# 使用元组作为字典的键
my_dict = {tuple_representation: "value"}

2.2 方法二：使用数组内容的哈希值

如果数组的内容是固定的，我们可以计算数组内容的哈希值，然后使用哈希值作为字典的键。

import numpy as np
import hashlib
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 计算数组内容的哈希值
hash_value = hashlib.sha256(my_array.tobytes()).hexdigest()
# 使用哈希值作为字典的键
my_dict = {hash_value: "value"}

2.3 方法三：使用其他数据结构

如果我们需要存储数组及其相关数据，我们可以考虑使用其他数据结构，如字典，其中键是数组的标识符（例如，哈希值或元组），值是包含数组和额外信息的字典。

import numpy as np
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 使用数组内容作为键
my_dict = {tuple(my_array): {"array": my_array, "extra": "value"}}

2.4 方法四：避免使用字典

如果我们不需要使用字典，我们可以避免使用numpy.ndarray作为键，而是直接使用数组本身进行操作。

import numpy as np
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 直接使用数组
# 例如，进行计算或操作

三、其他解决方法

• 在使用numpy.ndarray时，确保我们了解其不可哈希的特性。
• 在设计程序时，考虑使用不可变类型或不可变数据结构来存储键。
• 使用哈希函数时，注意避免哈希冲突。

四、总结

在本文中，我们探讨了TypeError: unhashable type: ‘numpy.ndarray‘错误的原因，并提供了几种解决方案。通过将numpy.ndarray转换为可哈希的类型或使用其他数据结构，我们可以避免这类错误。
下次遇到类似的错误时，可以首先检查数据类型是否适合用作字典的键，然后根据具体情况采取相应的解决措施。希望这些信息能帮助你快速解决遇到的任何问题！