python - numpy.unique 无法识别轴参数

Question

我目前正在尝试使用 numpy.unique，当我尝试使用 example 时在二维数组中的唯一行上，

>>> a = np.array([[1, 0, 0], [1, 0, 0], [2, 3, 4]])
>>> np.unique(a, axis=0)

生成以下TypeError

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: unique() got an unexpected keyword argument 'axis'

但是，在文档中我可以看到:

numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None)

我的 numpy 版本是:

# THIS FILE IS GENERATED FROM NUMPY SETUP.PY                             
#                                                                        
# To compare versions robustly, use `numpy.lib.NumpyVersion`             
short_version = '1.15.4'
version = '1.15.4'
full_version = '1.15.4'
git_revision = 'de28edd8f514b82c0524b55f622078d47f479322'
release = True

if not release:
    version = full_version

我的 python 编译器版本是:

$ python --version
Python 3.6.0 :: Anaconda custom (x86_64)

错误仅在命令行中产生:使用相同的解释器在 PyCharm 上一切正常。

我也在终端确认我使用的是上面的版本:

Python 3.6.0 |Anaconda custom (x86_64)| (default, Dec 23 2016, 13:19:00) 
[GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy
>>> numpy.__version__
'1.15.4'
>>> 

如何解决我的终端的这个问题？

Answer 1

tl;dr: 安装 numpy ≥ 1.13.0。

详情

到期 AppVeyor CI pipeline spontaneously failing with the same issue under numpy 1.11.3 ，我不情愿地卷起沾满灰尘的袖子^{非常感谢，糟糕的园艺习惯}并进一步调查。

作为every prior commentator suspected ，这是一个简单的版本控制问题。在我们的例子中，our multiphysics biology simulator经常通过 axis np.unique() 的关键字参数函数，因此隐式要求 numpy ≥ 1.13.0。自然地，我们未能在 install_requires 中明确声明此要求。我们的名单 setup.py安装程序。 </shaking_my_head>

说明

我们知道you think that your CLI numpy ≥ 1.13.0 , 但几乎可以肯定不是这种情况。

自 numpy ≥ 1.13.0 first introduced the axis keyword argument to the np.unique() function ，此参数保证在 numpy 1.15.4 下也可用——您错误地认为已在 CLI 中安装的 numpy 版本，但可能没有。引用official release notes for numpy 1.13.0 :

axes argument for unique

In an N-dimensional array, the user can now choose the axis along which to look for duplicate N-1-dimensional elements using numpy.unique. The original behaviour is recovered if axis=None (default).