【Python】成功解决TypeError: unhashable type: ‘numpy.ndarray‘_typeerror: unhashable type: 'numpy.ndarray-CSDN博客

本文聚焦Python编程中‘TypeError: unhashable type: ‘numpy.ndarray’错误。先解释哈希与不可哈希类型概念，指出NumPy数组因可变且无元素比较规则而不可哈希。接着给出错误示例，并提供将数组转换为元组、使用数组哈希值两种解决方案，最后鼓励培养编程思维以避免类似错误。

【Python】成功解决TypeError: unhashable type: ‘numpy.ndarray’
在这里插入图片描述

🌈 欢迎进入我的个人主页，我是高斯小哥！👈

🎓 博主档案： 广东某985本硕，SCI顶刊一作，深耕深度学习多年，熟练掌握PyTorch框架。

🔧 技术专长： 擅长处理各类深度学习任务，包括但不限于图像分类、图像重构(去雾\去模糊\修复)、目标检测、图像分割、人脸识别、多标签分类、重识别(行人\车辆)、无监督域适应、主动学习、机器翻译、文本分类、命名实体识别、知识图谱、实体对齐、时间序列预测等。业余时间，成功助力数百位用户解决技术难题，深受用户好评。

📝 博客风采： 我坚信知识分享的力量，因此在博客中倾注心血，分享深度学习、PyTorch、Python的优质内容。本年已发表原创文章300+，代码分享次数突破2w+，为广大读者提供了丰富的学习资源和实用解决方案。

💡 服务项目： 提供科研入门辅导（主要是代码方面）、知识答疑、定制化需求解决等服务，助力你的深度学习之旅（有需要可私信联系）。

🌟 期待与你共赴深度学习之旅，书写精彩篇章！感谢关注与支持！🚀

🌵文章目录🌵

🐍 一、引言
🔍 二、理解哈希与不可哈希类型
🔨 三、TypeError: unhashable type: 'numpy.ndarray' 错误示例
💡 四、解决方案：使用不可变类型作为键
- - 解决方案1：转换为元组
  - 解决方案2：使用数组的哈希值
📚 五、深入理解哈希与数据结构
💪 六、举一反三：其他常见类型错误
🚀 七、总结

🐍 一、引言

在Python编程中，经常会遇到各种类型错误（TypeError）。其中，TypeError: unhashable type: 'numpy.ndarray' 是一个常见的错误，通常发生在你试图将一个NumPy数组作为字典的键（key）或者放入集合（set）中。由于NumPy数组是不可哈希的（unhashable），这样的操作会引发类型错误。

本文将深入浅出地解释这个错误的原因，并提供解决方案，帮助你更好地理解Python中的哈希概念，以及如何在日常编程中避免类似的错误。

🔍 二、理解哈希与不可哈希类型

在Python中，哈希（hash）是一种将任意长度的数据映射为固定长度的唯一标识符的算法。哈希函数的主要特点是对于不同的输入，产生冲突（即生成相同的哈希值）的概率非常小。因此，哈希在Python的数据结构如字典和集合中扮演着重要的角色。

字典通过哈希函数将键（key）映射到对应的值（value），从而实现了高效的查找和存储。集合则利用哈希来判断元素是否已经存在。 然而，并非所有的数据类型都是可哈希的。

可哈希类型必须满足以下条件：
1. 不可变： 哈希值在对象生命周期内是不变的。
2. 可比较： 对象之间可以比较是否相等。

由于NumPy数组是可变的（可以修改数组内容），并且没有定义元素之间的比较规则，因此它们是不可哈希的。

🔨 三、TypeError: unhashable type: ‘numpy.ndarray’ 错误示例

下面是一个触发 TypeError: unhashable type: 'numpy.ndarray' 错误的简单示例：

import numpy as np

# 创建一个NumPy数组
array = np.array([1, 2, 3])

# 尝试将数组作为字典的键
my_dict = {array: 'value'}  # 这会引发TypeError

在上面的代码中，我们尝试将一个NumPy数组作为字典的键。由于数组是不可哈希的，Python解释器会抛出 TypeError。

💡 四、解决方案：使用不可变类型作为键

要避免这个错误，你需要使用不可变类型（如元组、整数、字符串等）作为字典的键或集合的元素。对于NumPy数组，你可以考虑将其转换为元组或转换为数组内容的唯一标识符（如哈希值）。

解决方案1：转换为元组

如果数组的内容不会改变，或者你只需要在创建字典时将其转换为不可变类型，那么将数组转换为元组是一个好方法：

import numpy as np

# 创建一个NumPy数组
array = np.array([1, 2, 3])

# 将数组转换为元组
tuple_key = tuple(array)

# 使用元组作为字典的键
my_dict = {tuple_key: 'value'}

解决方案2：使用数组的哈希值

如果你需要基于数组的内容来生成唯一的标识符，并且不关心数组内容的顺序或结构，你可以使用数组的哈希值。请注意，这种方法仅适用于不需要比较数组内容的场景，因为哈希碰撞的可能性虽然很小，但不是零。
```
import numpy as np
import hashlib

# 创建一个NumPy数组
array = np.array([1, 2, 3])

# 计算数组的哈希值
hash_value = hashlib.sha256(array.tobytes()).hexdigest()

# 使用哈希值作为字典的键
my_dict = {hash_value: 'value'}
```

📚 五、深入理解哈希与数据结构

通过上面的例子，我们可以看到哈希在Python数据结构中的重要性。正确地使用哈希可以提高代码的性能和可读性。在编写涉及字典或集合的代码时，请确保你使用的键或元素是可哈希的。

💪 六、举一反三：其他常见类型错误

除了 TypeError: unhashable type: 'numpy.ndarray'，Python中还有很多其他类型错误。例如，尝试将一个整数与字符串相加会引发 TypeError: can only concatenate str (not "int") to str。了解这些错误的原因和解决方法可以帮助你编写更健壮的代码。