将嵌套的 numpy 数组连接到 2D 数组中

Question

我正在使用Pandas生成一些信息和功能。我将使用该数据库作为 sklearn 的输入。目前，我正在使用.as_matrix()将数据帧转换为数组。以下是输出：

array([[0.4437294900417328, 0.13434134423732758, 0.474, 0.482,
    array([0, 0, 0, 0, 0, 0, 1, 0, 0, 0])],
   [0.09896088391542435, 0.10105254501104355, 0.474, 0.526,
    array([0, 0, 0, 0, 0, 1, 0, 0, 0, 0])],
   [0.026971107348799706, 0.08766224980354309, 0.474, 0.581,
    array([0, 0, 0, 0, 0, 0, 1, 0, 0, 0])],
   ..., 

我想将此内部数组溶解到父 2D 数组中。结果应如下所示。

array([[0.4437294900417328, 0.13434134423732758, 0.474, 0.482,
    0, 0, 0, 0, 0, 0, 1, 0, 0, 0],
   [0.09896088391542435, 0.10105254501104355, 0.474, 0.526,
    0, 0, 0, 0, 0, 1, 0, 0, 0, 0],
   [0.026971107348799706, 0.08766224980354309, 0.474, 0.581,
    0, 0, 0, 0, 0, 0, 1, 0, 0, 0],
   ..., 

蒂亚

Answer 1

正如我评论的那样，数组的确切结构尚不清楚。 我确定外部 dtype 是对象。 熊猫经常使用它来保存混合数据。

这是一个猜测和可能的解决方案：

创建一个对象数组并用一些浮点数和整数数组填充它：

In [38]: A=np.empty((3,5),dtype=object)
In [39]: A[:,:4]=np.arange(12.).reshape(3,4)/10
In [40]: A[0,-1]=np.arange(5)
In [41]: A[1,-1]=np.arange(1,6)
In [42]: A[2,-1]=np.arange(2,7)
In [43]: A
Out[43]: 
array([[0.0, 0.1, 0.2, 0.3, array([0, 1, 2, 3, 4])],
       [0.4, 0.5, 0.6, 0.7, array([1, 2, 3, 4, 5])],
       [0.8, 0.9, 1.0, 1.1, array([2, 3, 4, 5, 6])]], dtype=object)

打印是类似的。 reshape、concatenate、ravel等不加入浮点数和数组。

相反，让我们创建一个数组来保存预期值，并将它们复制到其中：

In [44]: B=np.zeros((3,9),float)
In [45]: B[:,:4]=A[:,:4]

复制浮点列很容易。 但是将数组重新加工成可以作为块复制的东西，需要串联。 vstack形式似乎可以解决问题：

In [46]: B[:,4:]=np.vstack(A[:,-1])
In [47]: B
Out[47]: 
array([[ 0. ,  0.1,  0.2,  0.3,  0. ,  1. ,  2. ,  3. ,  4. ],
       [ 0.4,  0.5,  0.6,  0.7,  1. ,  2. ,  3. ,  4. ,  5. ],
       [ 0.8,  0.9,  1. ,  1.1,  2. ,  3. ,  4. ,  5. ,  6. ]])

我必须根据我对数组显示的了解（包括对象类型）重新创建您的数组。 然后我只需要玩一玩，尝试各种加入价值观的方式。 所以有很多试验和错误。