如何在单个 python 数组中连接不同类型的特征

Question

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的串联的单个 python 数组，即

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

我的目标是使用上述特征向量训练sklearn LogisticRegression。在python中做到这一点的最佳方法是什么？

Answer 1

你可以通过一个简单的列表理解来做到这一点。

>>> 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)

如果你不添加dtype='O'，你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，因为它们不提供矢量化/效率优势。