1问题描述

DeprecationWarning: Conversion of an array with ndim > 0 to a scalar is deprecated, and will error in future. Ensure you extract a single element from your array before performing this operation. (Deprecated NumPy 1.25.)
  X[i] = np.random.normal(loc=Ex, scale=np.abs(Enn), size=1)

2代码详情 

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False  def plot_cloud_model(Ex, En, He, n, ax, label='', color = 'r',marker = 'o'):     '''     Ex 期望     En 熵     He 超熵     n 云滴数量          '''           Y = np.zeros((1, n))     np.random.seed(int(np.random.random()*100))     X= np.random.normal(loc=En, scale=He, size=n)     Y = Y[0]     for i in range(n):         np.random.seed(int(np.random.random()*100) + i + 1)         Enn = X[i]         X[i] = np.random.normal(loc=Ex, scale=np.abs(Enn), size=1)         Y[i] = np.exp(-(X[i] - Ex) * (X[i] - Ex) / (2 * Enn * Enn))     ax.scatter(X, Y, s=10, alpha=0.5, c=color, marker=marker, label=label)  fig = plt.figure(len(plt.get_fignums())) ax = fig.add_subplot(111) #创建画布 title = '准确性（R）' ax.set_title(title)#在ax指向的画布上绘图 ax.set_xlabel('期望') ax.set_ylabel('隶属度') #调用函数 plot_cloud_model(70.58, 5.7374, 8.4585, 5000, ax,'云','black','*')  ax.legend(loc='best') plt.show() 

3问题剖析

DeprecationWarning: Conversion of an array with ndim 是一个警告，通常出现在你使用某个库或函数时，而该库或函数在将来的版本中可能会改变其对于多维数组（ndim）的处理方式。这通常意味着你正在使用一个即将被弃用（deprecated）的特性或方法。

本代码中，这个警告信息表明，你正在尝试将一个多维数组（ndim > 0）转换为一个标量（scalar），这在NumPy 1.25及以后的版本中已经被弃用。具体来说，问题出在这一行：

X[i] = np.random.normal(loc=Ex, scale=np.abs(Enn), size=1)

这里，np.random.normal 返回一个一维数组，即size=1。因此，当尝试将这个一维数组赋值给 X[i] 时，NumPy 发出警告，因为 X[i] 期望的是一个标量值。 

4问题解决

1. 查看警告的详细信息：通常，警告会提供更多的信息，告诉你哪个函数或方法正在被弃用，以及建议使用什么替代方案。
2. 更新代码：根据警告的建议，更新你的代码以使用新的函数或方法。这通常涉及到查找你正在使用的库或函数的文档，并查找推荐的替代方案。
3. 更新库：确保你正在使用的库是最新版本的。有时，库的新版本会包含对弃用特性的修复或替代方案。
4. 考虑兼容性：如果你正在编写需要兼容不同版本库的代码，你可能需要编写一些条件代码来处理不同版本的库。
5. 查阅文档和社区：如果你不确定如何处理这个警告，查阅相关库的文档或参与社区讨论。

 本代码中：为了解决这个问题，可以直接从 np.random.normal 返回的数组中提取标量值。由于设置了 size=1，返回的数组将只包含一个元素，所以你可以安全地使用索引来提取这个元素。修改后的代码应该是这样的：

X[i] = np.random.normal(loc=Ex, scale=np.abs(Enn), size=1)[0]

另外，考虑到 np.random.normal 在 size=1 时实际上返回的是一个0维数组（标量），你也可以简化代码，直接赋值而不需要索引： 

X[i] = np.random.normal(loc=Ex, scale=np.abs(Enn))

这样写的话，NumPy 会自动将返回的0维数组转换为标量，而不会产生弃用警告。

5修改后全文代码

5.1方法一代码：

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False  def plot_cloud_model(Ex, En, He, n, ax, label='', color = 'r',marker = 'o'):     '''     Ex 期望     En 熵     He 超熵     n 云滴数量          '''           Y = np.zeros((1, n))     np.random.seed(int(np.random.random()*100))     X= np.random.normal(loc=En, scale=He, size=n)     Y = Y[0]     for i in range(n):         np.random.seed(int(np.random.random()*100) + i + 1)         Enn = X[i]         X[i] = np.random.normal(loc=Ex, scale=np.abs(Enn), size=1)[0]         Y[i] = np.exp(-(X[i] - Ex) * (X[i] - Ex) / (2 * Enn * Enn))     ax.scatter(X, Y, s=10, alpha=0.5, c=color, marker=marker, label=label)  fig = plt.figure(len(plt.get_fignums())) ax = fig.add_subplot(111) #创建画布 title = '准确性（R）' ax.set_title(title)#在ax指向的画布上绘图 ax.set_xlabel('期望') ax.set_ylabel('隶属度') #调用函数 plot_cloud_model(70.58, 5.7374, 8.4585, 5000, ax,'云','black','*')  ax.legend(loc='best') plt.show() 

5.2方法二代码：

import numpy as np import matplotlib.pyplot as plt  plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False  def plot_cloud_model(Ex, En, He, n, ax, label='', color = 'r',marker = 'o'):     '''     Ex 期望     En 熵     He 超熵     n 云滴数量          '''           Y = np.zeros((1, n))     np.random.seed(int(np.random.random()*100))     X= np.random.normal(loc=En, scale=He, size=n)     Y = Y[0]     for i in range(n):         np.random.seed(int(np.random.random()*100) + i + 1)         Enn = X[i]         X[i] = np.random.normal(loc=Ex, scale=np.abs(Enn))         Y[i] = np.exp(-(X[i] - Ex) * (X[i] - Ex) / (2 * Enn * Enn))     ax.scatter(X, Y, s=10, alpha=0.5, c=color, marker=marker, label=label)  fig = plt.figure(len(plt.get_fignums())) ax = fig.add_subplot(111) #创建画布 title = '准确性（R）' ax.set_title(title)#在ax指向的画布上绘图 ax.set_xlabel('期望') ax.set_ylabel('隶属度') #调用函数 plot_cloud_model(70.58, 5.7374, 8.4585, 5000, ax,'云','black','*')  ax.legend(loc='best') plt.show() 

正常运行后的绘图：