将两个不同大小的列表合并为一个矩阵答案

【问题标题】：Merge two lists of different size into one matrix将两个不同大小的列表合并为一个矩阵
【发布时间】：2018-06-06 22:45:42
【问题描述】：

鉴于：

X = [[1, 0, 1, 1], [1, 1, 1, 1], [1, 0, 0, 0]]
y = [1, -1, 0]
X = np.asarray(X, np.uint8)
y = np.asarray(y, np.int8).T
con = np.concatenate(X, y)
print(con)

其中X 应该是大小为 (3,4) 的数据集，y 是矩阵 X 中每一行的类标签。例如，X[0]= [1, 0, 1, 1] 在y[0] 中的类标签等于 1，即y[0]=1。我想将X 和y 合并成一个大小为(3,5) 的矩阵，其中新列是y 列表。但是，前面的代码给了我这个错误：

Traceback (most recent call last):
  File "test.py", line 38, in <module>
    con = np.concatenate(X, y)
TypeError: only integer scalar arrays can be converted to a scalar index

我不知道如何解决它。任何帮助表示赞赏。

【问题讨论】：

创建一个适当大小的数组，然后从列表中赋值？
再看一下文档！提示：concatenate((a1, a2, ...),...。（我更喜欢 concat 而不是上述评论中的方法）
你在con = np.hstack((X, y.reshape(-1,1)))之后吗？
@MaxU 谢谢马克斯。这正是我正在寻找的。没有足够的积分来投票给你。

标签： python arrays python-2.7 numpy

【解决方案1】：

第一个问题

np.concatenate(X, y)

是第二个参数应该是轴，而不是第二个数组。如果X 和y 都具有相同的形状，np.concatenate((X, y), axis=1) 将起作用。但他们没有。

In [181]: X = [[1, 0, 1, 1], [1, 1, 1, 1], [1, 0, 0, 0]]
     ...: y = [1, -1, 0]
     ...: 
In [182]: np.column_stack((X,y))
Out[182]: 
array([[ 1,  0,  1,  1,  1],
       [ 1,  1,  1,  1, -1],
       [ 1,  0,  0,  0,  0]])

column_stack 确保输入具有正确的形状以连接为列：

In [183]: np.concatenate((X,y),axis=1)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-183-a97a3320ed3e> in <module>()
----> 1 np.concatenate((X,y),axis=1)

ValueError: all the input arrays must have same number of dimensions

In [184]: np.concatenate((X,np.array(y)[:,None]),axis=1)
Out[184]: 
array([[ 1,  0,  1,  1,  1],
       [ 1,  1,  1,  1, -1],
       [ 1,  0,  0,  0,  0]])

但在连接具有不同类别数据的数组时要小心。 y 是类标签。但是X 是什么？同类单位？如果它包含浮点数，则连接的数组也将是浮点数。我怀疑这只是朝着使用其他一些类标签更有意义的代码迈出的一步，例如pandas 或机器学习包之一。

【讨论】：

【解决方案2】：

您还可以使用列表，并在最后转换为矩阵（更具体的二维数组）：

X = [[1, 0, 1, 1], [1, 1, 1, 1], [1, 0, 0, 0]]
y = [1, -1, 0]
myList = [foo[0]+[foo[1]] for foo in zip(X,y)]
myMatrix = np.array(myList)

给你：

array([[ 1,  0,  1,  1,  1],
       [ 1,  1,  1,  1, -1],
       [ 1,  0,  0,  0,  0]])

但我会将标签行对存储在字典中：

{foo[1]:foo[0] for foo in zip(X,y)}

给你：

{-1: [1, 1, 1, 1], 0: [1, 0, 0, 0], 1: [1, 0, 1, 1]},

这为您提供了更大的灵活性，您仍然可以像这样转到一个 numpy 数组：

np.array([v+[k] for k,v in myDict.items()])

【讨论】：