如何在单个python数组中连接不同类型的功能？

我有一个features数组，其中包含不同类型的值：

>>> 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python数组，其中包含上述所有特性的串联，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。在python中实现这一点的最佳方法是什么？

您可以通过简单的列表理解来实现这一点

>>> 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)

如果不添加

dtype='O'

，则布尔值将被强制转换为整数。你想不想，由你自己决定。通常不赞成使用对象数组，因为它们不提供矢量化/效率好处