將參數（x）指定爲具有特定列數的多維數組？

Question

import numpy as np 

def validation(x): 
    x = np.asarray(x) 
    if len(x) != 16: 
     return("Card doesn't have exactly 16 digits. Try again") 
    values = [] 
    rwhat = x[::-1] # reverse the order of the credit card numbers 
    rwhat 

    checkDig = rwhat[0] # the leftmost [originally rightmost] digit which is the checkDigit ... I'm just doing this because it's easier for me to work with 
    checkDig 
    withCheck = [] # to append later when we add all single digits 

    everySec = rwhat[1:16:2] # we don't want to double the checkDigit, but we're extracting every second digit starting from the first, leftmost digit [tho we omit this checkDigit 
    everySec 

    def double(num): # to double the extracted second digit values 
     return [j * 2 for j in everySec] 
    xx = double(everySec) 
    xx 

    def getSingle(y): # to add the sum of the digits of any of the new doubled numbers which happen to be greater than 9 
     u = 0 
     while y: 
      u += y % 10 
      y //= 10 
     return u 
    yy=list(map(getSingle,xx)) 
    yy 
    withCheck.append(checkDig) 
    withCheck 
    new_vv = withCheck + yy 
    new_vv # now we include the omitted checkDigit into this new list which should all be single digits 

    sumDig = sum(new_vv) 
    sumDig # now have the sum of the the new_vv list. 

    def final(f): 
     if sumDig % 10 == 0: # if the calculated sum is divisible by 10, then the card is valid. 
      return("Valid") 
     else: 
      return("Invalid") 
    go = final(sumDig) 
    values.append(go) # basically just appending into values[] for the sake of the validation(x) function, and so we can return something for this function. in this case we'd return values as seen below. 
    return values 

所以我創建了這個程序，我需要弄清楚如何定義第一個（最外層）函數的參數將卡號作爲一個由16列組成的多維數組，並最終返回一個列表的值表示「有效」或「無效」。

def validation(x)工作內的東西，我已經在實際製作上述函數之前測試過它，但我只是不知道如何指定這個函數[也就是這個程序基本上是]在一個多維數組中16列。

我敢肯定的代碼行關於if len(x) != 16是問題的一部分，但它的工作原理，如果我們只是想運行一個卡[16個位數又名一組]

例如，如果我想嘗試validation(([[0,1,2,3,4,5,6,7,8,9,0,1,2,3,4,5],[1,2,3,4,5,6,7,8,9,0,1,2,3,4,5,6]])我與輸出困擾："Card doesn't have exactly 16 digits. Try again"，而不是正常運行，並返回我，指出在各自有效還是無效的列表，以每張卡

Answer 1

您需要檢查shape程序。事情是這樣的：

assert len(x.shape) == 2, "input must be 2D" 
assert x.shape[1] == 16, "input must have 16 columns" 
assert np.issubdtype(x.dtype, np.integer), "input must be integers" 

Answer 2

除了基本的問題解決在@ JohnZwinck的答案，還有就是你不使用numpy的數組作爲numpy的陣列的基本事實。

對於您正在編寫的程序，不應該有任何明確的循環或解釋來計算總和或其他數量。 Numpy數組是用於向量化代碼並簡化其外觀的優秀工具。

這裏有一些改變我除了建議斷言數組的大小：

• 斷言，所有的數字都在範圍0-9：

  assert np.all((x >= 0) & (x <= 9)) 
  

• 請注意您是使用行還是使用列。如果您有n行，每行16列，checkDig應該是x[:, 0]，這是第一列，而不是x[0]，這是第一行，相當於x[0, :]。

• 無需反轉陣列：checkDig只是最後一個元素：x[:, -1]; everySec變成x[:, 1:-1:2]。考慮到它的使用方式，沒有必要對其進行逆轉。

• 功能double僅僅是一個爛攤子：

  1. 聲明一個未使用的參數num。
  2. 你然後everySec運行在封閉命名空間
  3. 您應用列表理解到numpy的陣列，這是比較慢，很難理解，並不會爲二維數組正常工作。

  你可以只用xx = everySec * 2取代它，甚至擺脫xx，只是做everySec *= 2。

• getSingle是矯枉過正。你的數字是九倍以下，所以結果不能超過兩位數（總和不能超過九位）。 yy = (xx // 10) + (xx % 10)應該做得很好。通過維護numpy數組而不是列表，您可以使所有操作適用於2D數組，而不必遍歷列表中的所有單個元素。
• 您操作的其餘都有點不清楚。您似乎正在執行Luhn algorithm，但沒有嘗試添加非加倍數字。非加倍數字x[:, :-1:2]。
• 中調用內建sum將阻止你沒有一個循環處理多個輸入。使用np.sum，axis=1對每行中的列進行求和。
• values.append(go)只調用一次。如果你想處理多個數字，你將不得不編寫某種循環。讓go成爲布爾數組而不是單個布爾值會容易得多。

結合所有這些建議得到這樣的：

def validation(x): 
    x = np.asanyarray(x) 
    assert x.ndim == 2, "input must be 2D" 
    assert x.shape[1] == 16, "input must have 16 columns" 
    assert np.issubdtype(x.dtype, np.integer), "input must be integers" 
    assert np.all((x >= 0) & (x <= 9)) 
    checkDig = x[:, -1] 
    xx = x[:, 1:-1:2] * 2 
    yy = x[:, :-1:2] 
    sumDig = np.sum(xx, axis=1) + np.sum(yy, axis=1) + checkDig 
    return ['Invalid' if s % 10 else 'Valid' for s in sumDig] 

功能可以通過將輸入的副本以避免覆蓋東西，就地操作進一步簡化：

def validation(x): 
    x = np.array(x, copy=True, subok=True) 
    assert x.ndim == 2, "input must be 2D" 
    assert x.shape[1] == 16, "input must have 16 columns" 
    assert np.issubdtype(x.dtype, np.integer), "input must be integers" 
    assert np.all((x >= 0) & (x <= 9)) 
    y = x[1:-1:2] 
    x[1:-1:2] = ((2 * y) // 10) + ((2 * y) % 10) 
    sumDig = np.sum(x, axis=1) 
    return ['Invalid' if s % 10 else 'Valid' for s in sumDig]