Python NumPy:不正确地创建二维阵列

我正在读取数据，试图创建一个194，1形状的NumPy数组。所以它应该看起来像：[[4]，[0]，[9]，…]

我正在这样做：

def parse_data(file_name):
    data = []
    target = []
    with open(file_name) as f:
        for line in f:
            temp = line.split()
            x = [float(x) for x in temp[:2]]
            y = float(temp[2])
            data.append(np.array(x))
            target.append(np.array(y))
    return np.array(data), np.array(target)

x, y = parse_data("data.txt")

当我检查y形时，它是194，而不是我预期的194，1

然而，x的形状是194,2，正如我所预料的那样

知道我做错了什么吗

谢谢

在从标量构建的numpy数组列表上调用np.array时，它会将它们连接起来，然后创建一个numpy数组，给出194的形状

您始终可以将y重塑为所需的形状：

def parse_data(file_name):
    data = []
    target = []
    with open(file_name) as f:
        for line in f:
            temp = line.split()
            x = [float(x) for x in temp[:2]]
            y = float(temp[2])
            data.append(np.array(x))
            target.append(y)
    return np.array(data), np.array(target).reshape(-1, 1)

x, y = parse_data("data.txt")

当然，您也可以通过以下方法解决问题：

target.append(np.array([y]))

上述行为的一个例子：

import numpy as np
a = np.array(5)
b = np.array(4)
v = [a, b]
v
>>>[array(5), array(4)]
np.array(v)
>>>array(5, 4) #arrays are concatenated

当在由标量构建的numpy数组列表上调用np.array时，它会连接这些数组，然后创建一个numpy数组，给出194的形状

您始终可以将y重塑为所需的形状：

def parse_data(file_name):
    data = []
    target = []
    with open(file_name) as f:
        for line in f:
            temp = line.split()
            x = [float(x) for x in temp[:2]]
            y = float(temp[2])
            data.append(np.array(x))
            target.append(y)
    return np.array(data), np.array(target).reshape(-1, 1)

x, y = parse_data("data.txt")

当然，您也可以通过以下方法解决问题：

target.append(np.array([y]))

上述行为的一个例子：

import numpy as np
a = np.array(5)
b = np.array(4)
v = [a, b]
v
>>>[array(5), array(4)]
np.array(v)
>>>array(5, 4) #arrays are concatenated

您似乎期望np.arrayy自动将标量y转换为1元素行。那不是NumPy的工作方式

np.arrayy是0维的。将一组数据放在一个列表中，并在列表上调用数组将生成一维结果，而不是二维结果。

您似乎期望np.arrayy自动将标量y转换为一个1元素行。那不是NumPy的工作方式

np.arrayy是0维的。将一组数据放在一个列表中，并在列表上调用数组，将生成一维结果，而不是二维结果。

在迭代过程中，我将跳过np.array

def parse_data(file_name):
    data = []
    target = []
    with open(file_name) as f:
        for line in f:
            temp = line.split()
            x = [float(x) for x in temp[:2]]
            y = float(temp[2])
            data.append(x)
            target.append(y)
    return np.array(data), np.array(target)

这将创建如下数据：

和目标一样

然后，np.arraydata将列表列表转换为二维数组，将数字列表转换为一维数组

然后可以很容易地对1d进行重塑或添加尺寸标注，使其成为1、n或n、1或任何您需要的尺寸

请记住，基本阵列构造方法有：

np.array([1,2,3])             # 1d
np.array([[1,2],[3,4]])       # 2d

我会跳过迭代中的np.array

def parse_data(file_name):
    data = []
    target = []
    with open(file_name) as f:
        for line in f:
            temp = line.split()
            x = [float(x) for x in temp[:2]]
            y = float(temp[2])
            data.append(x)
            target.append(y)
    return np.array(data), np.array(target)

这将创建如下数据：

和目标一样

然后，np.arraydata将列表列表转换为二维数组，将数字列表转换为一维数组

然后可以很容易地对1d进行重塑或添加尺寸标注，使其成为1、n或n、1或任何您需要的尺寸

请记住，基本阵列构造方法有：

np.array([1,2,3])             # 1d
np.array([[1,2],[3,4]])       # 2d

---

你能提供data.txt中的一些行吗？你能提供data.txt中的一些行吗？返回np.arraydata，np.arraytarget.reforme-1，1可能更好，以防数据量变化。我认为它应该是-1，1，而不是1，-1。你也可以使用return np.arraydata，np.vstacktarget更简洁，只要目标是1D就可以工作。返回np.arraydata，np.arraytarget.reformate-1，1可能更好，以防数据量变化。我认为它应该是-1，1，而不是-1。您也可以使用return np.arraydata，np.vstacktarget更简洁，只要目标是1D就可以工作。