【Python报错已解决】TypeError: unhashable type: ‘numpy.ndarray‘

🎬 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!

---

• 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

介绍	加入链接
个人社群	社群内包含各个方向的开发者，有多年开发经验的大佬，一起监督打卡的创作者，开发者、在校生、考研党、均可加入并且咱每周都会有粉丝福利放送保你有所收获，一起 加入我们 共同进步吧！
个人社区	点击即可加入 【咕咕社区】 ，让我们一起共创社区内容，输出优质文章来让你的写作能力更近一步一起加油！

⛳️ 推荐

前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。

专栏介绍

专栏名称	专栏介绍
科技杂谈	本专栏主要撰写各种科技数码等的评测体验心得，带大家一起体验最前沿的科技机技术产品体验
C++干货基地	本专栏主要撰写C++干货内容和编程技巧，让大家从底层了解C++，把更多的知识由抽象到简单通俗易懂。
《数据结构&算法》	本专栏主要是注重从底层来给大家一步步剖析数据存储的奥秘，一起解密数据在存储中数据的基本存储结构！
《docker容器精解篇》	全面深入解析 docker 容器，从基础到进阶，涵盖原理、操作、实践案例，助您精通 docker。
《linux深造日志》	本专栏的标题灵感是来自linux中系统产生的系统日志。而我们也可以每天输出内容不断前进，以达到精深的境地。
《C语言进阶篇》	想成为编程高手嘛？来看看《C语言进阶篇》成为编程高手的必学知识，带你一步步认识C语言最核心最底层原理。
写作技巧	写作涨粉太慢？不知道如何写博客？想成为一名优质的博主那么这篇专栏你一定要去了解

​

引言

在Python编程中，尤其是在处理数据时，我们经常使用numpy数组。然而，当我们尝试将numpy数组用作字典的键或集合的元素时，就会遇到TypeError: unhashable type: 'numpy.ndarray'。这个错误表明我们尝试将一个不可哈希的类型（如numpy.ndarray）用作哈希表中的键。本文将探讨这个错误的原因，并给出几种可能的解决方案。

一、问题描述

1.1 报错示例

假设我们有以下代码，它尝试将numpy数组用作字典的键：

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

运行上述代码将抛出以下错误：

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对象是不可哈希的，因此不能用作字典的键。

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。我们可以将numpy数组转换为可哈希的类型，或者使用其他方法来处理数据。

二、解决方法

2.1 方法一：转换为可哈希的类型

将numpy数组转换为可哈希的类型，例如列表或元组，然后将其用作字典的键。

import numpy as np
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 将numpy数组转换为列表
my_list = list(my_array)
# 将列表用作字典的键
my_dict = {my_list: "value"}

2.2 方法二：使用其他数据结构

使用其他数据结构，例如pandas DataFrame，来处理数据，而不是直接使用numpy数组。

import numpy as np
import pandas as pd
# 创建一个numpy数组
my_array = np.array([1, 2, 3])
# 将numpy数组转换为pandas DataFrame
my_dataframe = pd.DataFrame(my_array)
# 使用DataFrame的某个可哈希的属性作为字典的键
my_dict = {my_dataframe.columns[0]: "value"}

2.3 方法三：使用元组

如果numpy数组是固定大小的，可以将其转换为元组，因为元组是可哈希的。

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
my_tuple = tuple(my_array)
# 将元组用作字典的键
my_dict = {my_tuple: "value"}

2.4 方法四：使用哈希函数

使用自定义的哈希函数来计算numpy数组的哈希值，并将其用作字典的键。

import numpy as np
def array_hash(array):
    return hash(tuple(map(tuple, array)))
# 创建一个numpy数组
my_array = np.array([[1, 2], [3, 4]])
# 使用哈希函数计算哈希值
my_hash = array_hash(my_array)
# 将哈希值用作字典的键
my_dict = {my_hash: "value"}

三、其他解决方法

除了上述方法，还有一些其他的解决方法可以尝试：

• 使用hashable函数来检查对象是否可哈希。
• 使用functools模块中的total_ordering装饰器来创建可哈希的自定义对象。
• 使用collections模块中的namedtuple来创建可哈希的元组。

四、总结

在本文中，我们探讨了TypeError: unhashable type: 'numpy.ndarray'错误的可能原因，并给出了几种解决方案。如果你遇到了这个错误，可以尝试上述方法来解决问题。记住，在将对象用作字典的键之前，始终要确保对象是可哈希的。
下次遇到类似的错误时，你可以首先检查你的代码中是否正确使用了可哈希的对象，然后根据错误的原因，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！