具有不同类型特征的 Numpy 数组，用于 Python 中的 sci-kitLearn 数据集 API

Question

我正在尝试使用 sci-kitLearn 对从 json 文件解析的数据集执行机器学习。要在 sci-kitLearn 中使用数据集 API，我需要一个形状为 (n_samples * n_features) 的 Numpy 数组。

我将此数据编码为嵌套 Python 列表，其中列表大小为“X”（大量样本），每个元素的类型为 [int, float, int]（3 个特征）。

例如：[ [int, float, int] , [int, float, int] , ... ]

我需要将其转换为一个 numpy 数组，该数组将与 sci-kitLearn 数据集一起正常工作，但我似乎无法创建一个支持每列不同类型的 numpy 数组。

Numpy 数组通常是同质的，但我很难相信数据集中不同类型的特征/列仍然是使用此 API 的缺陷，而且我已经看到使用不同类型特征的示例。

加载您自己的数据集的文档很差：http://scikit-learn.org/stable/tutorial/basic/tutorial.html。任何帮助创建 numpy 数组和/或使用数据集 API 将不胜感激。

我的代码贴在下面（尽管问题是接下来要做什么）：

with open('bc_mp_at_blockchain.json') as data_:
mp_json = json.load(data_)

with open('bc_tv_at_blockchain.json') as data:
    tv_json = json.load(data)

# access dictionary of length 1 that list of values
list_of_mpdata = mp_json['values']
list_of_tvdata = tv_json['values']

# ensure both sets of data start on the same day
assert ( list_of_mpdata[0]['x'] == list_of_tvdata[0]['x'] )

#concatenate lists as necessary
combined_list = []
for mp_dict, tv_dict in zip(list_of_mpdata, list_of_tvdata) :
    combined_list.append([ mp_dict['x'], mp_dict['y'], tv_dict['y'] ])

# combined_list is now a list of [int,float,int] lists

Answer 1

如果您有一个列表列表，您可以将其转换为带有np.array(combined_list) 的numpy 数组。这将是外部列表的长度在第一个维度（向下）中的形状，例如

>>> a = np.array([[1,2,3],[1,2,3]])
>>> a.shape
(2, 3)

如果我理解正确，这应该是 scikit 的正确 n_samples*n_features 顺序，但如果不是，您可以使用以下方法转置数组：

>>> a = a.T
>>> a.shape
(3, 2)

Answer 2

你可以用numpy.array(combined_list)创建一个numpy数组，所有的值都会被转换成float。 Int 到 float 的转换通常不会影响任何机器学习分析。