Bug小能手系列(python)_9: 使用sklearn库报错 module ‘numpy‘ has no attribute ‘int‘

AttributeError: module 'numpy' has no attribute 'int'.

• 0. 错误介绍
• 1. 环境介绍
• 2. 问题分析
• 3. 解决方法
• • 3.1 调用解决
  • 3.2 库包中存在报错
• 4. 总结

首先，对于自己使用代码dtype=np.int报错的情况，建议直接修改为np.int_即可解决，也不用向下看了！！！！
下文主要是针对sklearn库包中存在大量np.int报错的情况！！！

0. 错误介绍

在使用sklearn库的metrics的cohen_kappa_score()函数以及preprocessing.OneHotEncoder的fit_transform()函数时出错。当然包括sklearn中的很多函数。但是，需要注意的是：这里的报错是sklearn库中调用np.int报错，与自己书写时使用np.int报错是不同的。
因为，对于自己书写的np.int，直接进行修改就行（修改为：np.int_,np.int32或者np.int64）。而sklearn库中存在大量使用np.int的内容，修改过于麻烦，因此专门介绍对于该情况如何解决问题。
代码如下：

from mne.decoding import CSP # Common Spatial Pattern Filtering from mne.channels import read_layout from sklearn import preprocessing from sklearn.preprocessing import OneHotEncoder from sklearn.model_selection import ShuffleSplit # OneHotEncoding Labels enc = OneHotEncoder() X_out = enc.fit_transform(labels.reshape(-1,1)).toarray() # Cross Validation Split 交叉验证拆分 cv = ShuffleSplit(n_splits = 10, test_size = 0.2, random_state = 0) from sklearn.metrics import accuracy_score from sklearn.metrics import cohen_kappa_score from sklearn.metrics import precision_score from sklearn.metrics import recall_score acc = [] ka = [] prec = [] recall = [] ka.append(cohen_kappa_score(test_trues, test_pres))

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24

报错：

1. 环境介绍

首先，对代码当前使用环境进行简单介绍。

代码环境：python版本为：3.9、numpy版本为：1.25.0、sklearn版本为：0.21.3。 代码中存在大量关于jupyter的环境，可以在观看的时候将其忽略。

aiofiles 22.1.0 aiosqlite 0.18.0 albumentations 1.2.1 anyio 3.5.0 appdirs 1.4.4 argon2-cffi 21.3.0 argon2-cffi-bindings 21.2.0 asttokens 2.0.5 attrs 22.1.0 Babel 2.11.0 backcall 0.2.0 beautifulsoup4 4.12.2 bleach 4.1.0 brotlipy 0.7.0 certifi 2023.5.7 cffi 1.15.1 charset-normalizer 2.0.4 chinese-calendar 1.8.0 colorama 0.4.6 comm 0.1.2 contourpy 1.1.0 cryptography 39.0.1 cycler 0.11.0 debugpy 1.5.1 decorator 5.1.1 defusedxml 0.7.1 entrypoints 0.4 executing 0.8.3 fastjsonschema 2.16.2 fonttools 4.40.0 idna 3.4 importlib-metadata 6.0.0 importlib-resources 5.12.0 ipykernel 6.19.2 ipython 8.12.0 ipython-genutils 0.2.0 ipywidgets 8.0.4 jedi 0.18.1 Jinja2 3.1.2 joblib 1.2.0 json5 0.9.6 jsonschema 4.17.3 jupyter 1.0.0 jupyter_client 8.1.0 jupyter-console 6.6.3 jupyter_core 5.3.0 jupyter-events 0.6.3 jupyter_server 2.5.0 jupyter_server_fileid 0.9.0 jupyter_server_terminals 0.4.4 jupyter_server_ydoc 0.8.0 jupyter-ydoc 0.2.4 jupyterlab 3.6.3 jupyterlab-pygments 0.1.2 jupyterlab_server 2.22.0 jupyterlab-widgets 3.0.5 kiwisolver 1.4.4 lxml 4.9.2 MarkupSafe 2.1.1 matplotlib 3.7.1 matplotlib-inline 0.1.6 mistune 0.8.4 mkl-fft 1.3.6 mkl-random 1.2.2 mkl-service 2.4.0 mne 1.4.2 nbclassic 0.5.5 nbclient 0.5.13 nbconvert 6.5.4 nbformat 5.7.0 nest-asyncio 1.5.6 notebook 6.5.4 notebook_shim 0.2.2 numpy 1.25.0 packaging 23.0 pandocfilters 1.5.0 parso 0.8.3 pickleshare 0.7.5 Pillow 10.0.0 pip 23.1.2 platformdirs 2.5.2 ply 3.11 pooch 1.4.0 prometheus-client 0.14.1 prompt-toolkit 3.0.36 psutil 5.9.0 pure-eval 0.2.2 pycparser 2.21 Pygments 2.15.1 pyOpenSSL 23.0.0 pyparsing 3.1.0 pypiwin32 223 PyQt5 5.15.7 PyQt5-sip 12.11.0 pyrsistent 0.18.0 PySocks 1.7.1 python-dateutil 2.8.2 python-json-logger 2.0.7 pyttsx3 2.90 pytz 2022.7 PyWavelets 1.4.1 pywin32 305.1 pywinpty 2.0.10 PyYAML 6.0 pyzmq 25.1.0 qtconsole 5.4.2 QtPy 2.2.0 qudida 0.0.4 requests 2.29.0 rfc3339-validator 0.1.4 rfc3986-validator 0.1.1 scikit-learn 0.21.3 scipy 1.10.1 Send2Trash 1.8.0 setuptools 67.8.0 sip 6.6.2 six 1.16.0 sniffio 1.2.0 soupsieve 2.4 stack-data 0.2.0 terminado 0.17.1 threadpoolctl 2.2.0 tinycss2 1.2.1 toml 0.10.2 tomli 2.0.1 torch 1.12.1+cu116 torchaudio 0.12.1+cu116 torchvision 0.13.1+cu116 tornado 6.2 tqdm 4.65.0 traitlets 5.7.1 typing_extensions 4.6.3 urllib3 1.26.16 wcwidth 0.2.5 webencodings 0.5.1 websocket-client 0.58.0 wheel 0.38.4 widgetsnbextension 4.0.5 win-inet-pton 1.1.0 y-py 0.5.9 ypy-websocket 0.8.2 zipp 3.11.0

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69
• 70
• 71
• 72
• 73
• 74
• 75
• 76
• 77
• 78
• 79
• 80
• 81
• 82
• 83
• 84
• 85
• 86
• 87
• 88
• 89
• 90
• 91
• 92
• 93
• 94
• 95
• 96
• 97
• 98
• 99
• 100
• 101
• 102
• 103
• 104
• 105
• 106
• 107
• 108
• 109
• 110
• 111
• 112
• 113
• 114
• 115
• 116
• 117
• 118
• 119
• 120
• 121
• 122
• 123
• 124
• 125
• 126
• 127
• 128
• 129
• 130
• 131
• 132
• 133
• 134
• 135
• 136
• 137
• 138
• 139
• 140
• 141
• 142

2. 问题分析

首先对问题进行分析，根据报错信息以及报错中的问题指出可以发现，错误来源于numpy库包在当前版本已经没有了np.int这个用法，而这里却使用了这个用法。np.int 在 NumPy 1.20 中已弃用，在 NumPy 1.24 中已删除。
具体地址为：~\AppData\Roaming\Python\Python39\site-packages\sklearn\metrics\classification.py:564 （~表示当前电脑用户地址，一般为：C:\user）
具体代码为：w_mat = np.ones([n_classes, n_classes], dtype=np.int)
错误为：module 'numpy' has no attribute 'int'.，即不能使用np.int，需要对其进行替换。

3. 解决方法

3.1 调用解决

对于自己调用np.int报错，可以通过修改该用法来解决。这里我们点击报错所给的链接，然后得到了下面的图像：

从上面可以看出，对于调用np.int报错的内容，可以通过将np.int替换为np.int_、np.int32或者np.int64来解决该报错。

3.2 库包中存在报错

对于上文提及的sklearn中存在报错的情况，虽然根据报错给出的具体地址可以找到报错代码，然后根据上文3.1节给出的修改方法可以解决该报错。但是，当你下次同样使用该库包时可能仍会出现上文给出的错误的情况。
因此，这里从sklearn库创建者的角度思考：我不能容忍一个错误存在这么久。所以，尝试对库包进行更新，而更新后的库包理论上应该不会存在该错误。

这里，使用以下命令对sklearn库包进行更新：

pip install scikit-learn --upgrade --user

• 1

最后，得到更新后的sklearn的版本为：

scikit-learn 1.3.0

• 1

最后，实验结果表明：sklearn库包经更新后，代码可以跑通了！实在是不容易哦！！！

4. 总结

总的而言，感觉出现该错误可能就是我使用的sklearn版本太低了了（scikit-learn=0.21.3），不过好歹问题解决了。网上的相关教程根本没有，所以根据自己的经验来总结这篇文章，希望大家会喜欢。如果有什么疑问欢迎在评论区提出，对于共性问题可能会后续添加到文章介绍中。

如果觉得这篇文章对你有用，记得点赞、收藏并分享给你的小伙伴们哦