Problembehebung: All input arrays must have same number of dimensions

Ein Fehler, auf den Sie bei der Verwendung von NumPy stoßen können, ist:

ValueError: all the input arrays must have same number of dimensions

Dieser Fehler tritt auf, wenn Sie versuchen, zwei NumPy-Arrays mit unterschiedlichen Dimensionen zu verketten.

Das folgende Beispiel zeigt, wie dieser Fehler in der Praxis behoben werden kann.

So reproduzieren Sie den Fehler

Angenommen, wir haben die folgenden zwei NumPy-Arrays:

import numpy as np

#Erstes Array erstellen
array1 = np.array([[1, 2], [3, 4], [5,6], [7,8]])

print(array1) 

[[1 2]
 [3 4]
 [5 6]
 [7 8]]

#Zweites Array erstellen 
array2 = np.array([9,10, 11, 12])

print(array2)

[ 9 10 11 12]

Nehmen wir nun an, wir versuchen, die Funktion concatenate() zu verwenden, um die beiden Arrays zu einem Array zu kombinieren:

# Versuch, die beiden Arrays zu verketten
np.concatenate([array1, array2])

ValueError: all the input arrays must have same number of dimensions, but the array at
            index 0 has 2 dimension(s) and the array at index 1 has 1 dimension(s)

Wir erhalten einen ValueError, weil die beiden Arrays unterschiedliche Dimensionen haben.

So beheben Sie den Fehler

Es gibt zwei Methoden, mit denen wir diesen Fehler beheben können.

Methode 1: Verwenden Sie np.column_stack

Eine Möglichkeit, die beiden Arrays zu verketten und dabei Fehler zu vermeiden, besteht darin, die Funktion column_stack() wie folgt zu verwenden:

np.column_stack((array1, array2))

array([[ 1,  2,  9],
       [ 3,  4, 10],
       [ 5,  6, 11],
       [ 7,  8, 12]])

Beachten Sie, dass wir die beiden Arrays ohne Fehler erfolgreich verketten können.

Methode 2: Verwenden Sie np.c_

Wir können die beiden Arrays auch verketten und dabei Fehler vermeiden, indem wir die Funktion np.c_ wie folgt verwenden:

np.c_[array1, array2]

array([[ 1,  2,  9],
       [ 3,  4, 10],
       [ 5,  6, 11],
       [ 7,  8, 12]])

Beachten Sie, dass diese Funktion genau das gleiche Ergebnis wie die vorherige Methode zurückgibt.

Zusätzliche Ressourcen

Die folgenden Tutorials erklären, wie Sie andere häufige Fehler in Python beheben:

So beheben Sie KeyError in Pandas
Behebung: ValueError: Float NaN kann nicht in Integer konvertiert werden
Behebung: ValueError: Operanden konnten nicht zusammen mit Shapes gesendet werden