如何在单个 python 数组中连接不同类型的特征？答案

【问题标题】：How to concatenate features of different types in a single python array?如何在单个 python 数组中连接不同类型的特征？
【发布时间】：2018-04-02 20:31:57
【问题描述】：

我有一个包含不同类型值的特征数组：

>>> features = train_df.values
>>> [x for x in features]

[True,
 array([2, 0, 0, ..., 0, 0, 0]),
 False,
 False,
 17,
 1,
 10,
 array([0, 0, 0, ..., 0, 0, 0])]

我想生成一个包含上述所有功能串联的单个 python 数组，即

np.array([True, 2, 0, 0, ..., 0, 0, 0, False, False, 17, 1, 10, 0, 0, 0, ..., 0, 0, 0])

我的目标是用上述特征向量训练 sklearn LogisticRegression。在 python 中执行此操作的最佳方法是什么？

【问题讨论】：

标签： python arrays pandas scikit-learn

【解决方案1】：

您可以通过简单的列表推导来做到这一点。

>>> x
[True, array([2, 0, 0, 0, 0, 0]), False, False, 17, 1, 10, array([0, 0, 0, 0, 0, 0])]

>>> [j for i in x for j in (i if isinstance(i, np.ndarray) else (i, ))]
[True, 2, 0, 0, 0, 0, 0, False, False, 17, 1, 10, 0, 0, 0, 0, 0, 0]

>>> np.array(_, dtype='O')
array([True, 2, 0, 0, 0, 0, 0, False, False, 17, 1, 10, 0, 0, 0, 0, 0, 0], dtype=object)

如果您不添加dtype='O'，您的布尔值将被转换为整数。这取决于你是否愿意。使用对象数组通常不受欢迎，因为它们没有提供矢量化/效率优势。

【讨论】：