创建一个矩阵+向量（特征+标签）的矩阵答案

【问题标题】：create a matrix with a matrix + vector (features + label)创建一个矩阵+向量（特征+标签）的矩阵
【发布时间】：2019-06-10 17:02:45
【问题描述】：

如何在 Python 中创建具有特征和标签的新矩阵？例如。在 scikit-learn 中：我如何“看到”（打印）一个带有特征 + 标签的新表：[5. 2.5 1.5 0.2 0] 其中最后一个 0 是该样本的标签。另外：我创建了训练和测试数据集——我如何用训练或测试集成员“标记”基本数据？（我是 Python 新手）

feature matrix
    [[5.1 3.5 1.4 0.2]
     [4.9 3.  1.4 0.2]
     [4.7 3.2 1.3 0.2]
     [4.6 3.1 1.5 0.2]]

    label vector
    [0 1 0 2]

     how can I "put" together into one matrix?
    [[5.1 3.5 1.4 0.2 0]
     [4.9 3.  1.4 0.2 1]
     [4.7 3.2 1.3 0.2 0]
     [4.6 3.1 1.5 0.2 2]]

代码：

from sklearn.datasets import load_iris
iris_dataset = load_iris()

print ((iris_dataset['data']))
print ((iris_dataset['target']))

print("Type of data: {}".format(type(iris_dataset['data'])))
print("Type of target: {}".format(type(iris_dataset['target'])))


Type of data: <class 'numpy.ndarray'>
Type of target: <class 'numpy.ndarray'>

【问题讨论】：

这些是列表还是 numpy 数组？您能否发布一个minimal reproducible example，最好是可以进行这些示例输入的python代码，以便我们可以复制粘贴并自己运行代码？
您可以使用np.c_[iris_dataset['data'], iris_dataset['target']]。但是，我不确定这是否真的是你想要做的......

标签： python scikit-learn

【解决方案1】：

您可以使用 numpy hstack 以这种方式轻松连接数组。

from sklearn.datasets import load_iris
iris_dataset = load_iris()

print(iris_dataset['data'].shape)
print(iris_dataset['target'].shape)

import numpy as np
result = np.hstack((iris_dataset['data'], iris_dataset['target'].reshape(-1, 1)))

print(result.shape)

#Output:
(150, 4)
(150,)
(150, 5)

【讨论】：