我经常有两个numpy 1d数组,x和y,并且想要使用它们执行一些快速的sklearn拟合预测.
import numpy as np
from sklearn import linear_model
# This is an example for the 1d aspect - it's obtained from something else.
x = np.array([1, 3, 2, ...])
y = np.array([12, 32, 4, ...])
现在我想做点什么
linear_model.LinearRegression().fit(x, y)...
x.reshape((len(x), 1))
我觉得这很麻烦,难以阅读.
是否有一些更短的方法将1d数组转换为2d列数组(或者,或者sklearn接受1d数组)?
解决方法:
您可以切片阵列,创建一个newaxis:
x[:, None]
这个:
>>> x = np.arange(5)
>>> x[:, None]
array([[0],
[1],
[2],
[3],
[4]])
相当于:
>>> x.reshape(len(x), 1)
array([[0],
[1],
[2],
[3],
[4]])
如果您发现它更具可读性,则可以使用转置矩阵:
np.matrix(x).T
如果你想要一个数组:
np.matrix(x).T.A
标签:python,numpy,scikit-learn
来源: https://codeday.me/bug/20190611/1220273.html