HOWTO · Python
Comment corriger l'erreur « operands could not be broadcast together with shapes » en Python
Apprenez à corriger l'erreur « operands could not be broadcast together with shapes » en Python. Cet article propose des solutions pratiques, notamment le remodelage des tableaux, l'utilisation de np.newaxis et la compréhension des règles de diffusion, pour vous aider à diagnostiquer et à résoudre efficacement ce problème courant.
Sur cette page
Lorsque vous travaillez avec des données numériques en Python, notamment avec des bibliothèques comme NumPy, vous pouvez rencontrer la fameuse erreur « operands could not be broadcast together with shapes ». Cette erreur peut être frustrante, surtout lorsque vous essayez d’effectuer des opérations sur des tableaux de formes différentes. Comprendre le fonctionnement de la diffusion (broadcasting) en Python est essentiel pour résoudre ce problème.
Dans cet article, nous explorerons les causes courantes de cette erreur et proposerons des solutions pratiques pour la corriger. Que vous soyez débutant ou programmeur expérimenté, vous y trouverez des informations précieuses qui vous aideront à diagnostiquer et à surmonter efficacement cette erreur de diffusion.
Comprendre le mécanisme de diffusion (broadcasting)
Avant de passer aux solutions, il est essentiel de comprendre ce que signifie la diffusion dans le contexte de NumPy. La diffusion permet à NumPy d’effectuer des opérations arithmétiques sur des tableaux de formes différentes. Par exemple, si vous disposez d’un tableau 2D et d’un tableau 1D, NumPy peut étirer le tableau 1D sur le tableau 2D pour effectuer des opérations élément par élément. En revanche, si les formes sont incompatibles, vous rencontrerez l’erreur de diffusion.
Par exemple, considérez les deux tableaux suivants :
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([1, 2])
Tenter d’additionner ces deux tableaux lèvera une erreur, car leurs formes ne peuvent pas être alignées pour la diffusion.
Sortie :
ValueError: operands could not be broadcast together with shapes (2,3) (2,)
La clé pour résoudre ce problème consiste à s’assurer que les formes des tableaux sont compatibles pour la diffusion. Explorons quelques méthodes pour corriger cette erreur.
Méthode 1 : Remodeler vos tableaux
L’un des moyens les plus simples de corriger l’erreur de diffusion consiste à remodeler les tableaux impliqués dans l’opération. La méthode reshape de NumPy vous permet de modifier les dimensions d’un tableau sans changer ses données. Cela peut aider à aligner les formes des tableaux pour la diffusion.
Voici un exemple :
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([1, 2]).reshape(2, 1)
result = a + b
print(result)
Sortie :
[[2 3 4]
[6 7 8]]
Dans ce code, nous remodelons le tableau 1D b de la forme (2,) à la forme (2, 1), ce qui le rend compatible avec la forme de a. NumPy peut alors effectuer l’addition avec succès, et le résultat est un nouveau tableau dans lequel chaque élément de b est ajouté à la ligne correspondante de a.
Le remodelage est une technique puissante qui peut souvent résoudre les problèmes de diffusion. Il est toutefois crucial de s’assurer que le nombre total d’éléments reste le même après le remodelage. Sinon, vous risquez de rencontrer une autre erreur.
Méthode 2 : Utiliser np.newaxis pour étendre les dimensions
Une autre méthode efficace pour corriger l’erreur de diffusion consiste à utiliser np.newaxis, qui vous permet d’ajouter un nouvel axe à votre tableau. C’est particulièrement utile lorsque vous souhaitez convertir un tableau 1D en tableau 2D, afin de le rendre compatible avec d’autres tableaux lors des opérations.
Voici comment utiliser np.newaxis :
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([1, 2])[np.newaxis, :]
result = a + b
print(result)
Sortie :
[[2 4 6]
[5 7 9]]
Dans cet exemple, nous avons ajouté un nouvel axe au tableau b, le transformant de la forme (2,) à la forme (1, 2). Ce changement permet à NumPy de diffuser correctement le tableau sur les lignes de a, ce qui aboutit à une addition réussie.
L’utilisation de np.newaxis est un moyen propre et efficace de gérer les formes des tableaux, en particulier lorsque vous travaillez avec plusieurs dimensions. C’est un outil pratique dans votre boîte à outils NumPy pour prévenir les erreurs de diffusion.
Méthode 3 : Ajuster les dimensions des tableaux avec les règles de diffusion
Parfois, la solution à l’erreur de diffusion consiste à comprendre et à appliquer efficacement les règles de diffusion. NumPy suit des règles spécifiques pour déterminer comment deux tableaux peuvent être diffusés ensemble. Si vous parvenez à aligner les dimensions de vos tableaux selon ces règles, vous pouvez souvent éviter les erreurs.
Les règles sont les suivantes :
- Si les tableaux ont un nombre de dimensions différent, la forme du tableau ayant le moins de dimensions est complétée par des uns au début jusqu’à ce que les deux formes soient identiques.
- Les tailles des dimensions doivent être soit identiques, soit l’une d’elles doit être égale à un.
Par exemple, considérez les tableaux suivants :
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([[1], [2]])
result = a + b
print(result)
Sortie :
[[2 3 4]
[6 7 8]]
Ici, b a la forme (2, 1) et a a la forme (2, 3). Lorsque nous essayons de les additionner, NumPy diffuse automatiquement b sur les colonnes de a, ce qui aboutit à une addition réussie.
Comprendre ces règles peut vous aider à manipuler plus efficacement les formes de vos tableaux, permettant une diffusion réussie sans avoir besoin de remodeler ou d’étendre explicitement les dimensions.
Conclusion
Rencontrer l’erreur « operands could not be broadcast together with shapes » en Python peut être un obstacle courant lorsque vous travaillez avec des données numériques. Cependant, en comprenant la diffusion et en employant des techniques telles que le remodelage des tableaux, l’utilisation de np.newaxis et l’application des règles de diffusion, vous pouvez diagnostiquer et résoudre efficacement ces problèmes. Avec la pratique, vous constaterez que ces méthodes deviennent une seconde nature, vous permettant de travailler plus efficacement avec NumPy et d’autres bibliothèques numériques en Python.
FAQ
-
Qu’est-ce que la diffusion dans NumPy ?
La diffusion est un mécanisme qui permet à NumPy d’effectuer des opérations arithmétiques sur des tableaux de formes différentes en étirant le plus petit tableau sur le plus grand. -
Comment puis-je remodeler un tableau dans NumPy ?
Vous pouvez remodeler un tableau à l’aide de la méthodereshape, qui vous permet de spécifier les nouvelles dimensions tout en gardant le nombre total d’éléments constant. -
Que fait np.newaxis dans NumPy ?
np.newaxisest utilisé pour augmenter d’une unité les dimensions d’un tableau, ce qui facilite la diffusion lors des opérations arithmétiques. -
Quelles sont les règles de diffusion dans NumPy ?
Les règles de diffusion stipulent que si les dimensions des tableaux sont différentes, la forme du plus petit tableau est complétée par des uns jusqu’à ce que les deux formes soient identiques, puis les tailles doivent être soit identiques, soit l’une d’elles doit être égale à un. -
Puis-je appliquer la diffusion à plus de deux tableaux ?
Oui, la diffusion peut être appliquée à plusieurs tableaux tant qu’ils respectent tous les règles de diffusion.