我正在准备线性回归的定价数据。我的功能仅包括一周中的几天。我的目标是价格。我已经列出了数据的字典列表，就像Sklearn 4.2.1中的示例中的示例一样。因此数据结构是[{'day': 'friday', 'price': 59}, {'day': 'saturday', 'price': 65}等。
我根据上述链接使用Sklearn的DICTVECTORIZER，该链接在本周的日子上使用了虚拟代码，并将数据结构转换为列表列表（适用于Sklearln LinearRegress）。
vec = DictVectorizer()
vec_fit = vec.fit_transform(my_data).toarray()
当我打印vec_fit以查看数据时，我将获得下面的输出。
[[ 0. 0. 0. ..., 0. 1. 59.]
[ 0. 0. 0. ..., 0. 0. 92.]
[ 1. 0. 0. ..., 0. 0. 92.]
...,
[ 0. 0. 1. ..., 0. 0. 181.]
[ 0. 0. 0. ..., 0. 0. 181.]
[ 0. 1. 0. ..., 0. 0. 181.]]
有人可以解释（a） ...,和（b）为什么一周的几天没有7个虚拟变量？在我的示例中，...,似乎涵盖了周日和星期四。
要检查我的功能（每个Sklearn 4.2.1），我使用了get_feature_names功能。
vec.get_feature_names()
[u'day=Friday', u'day=Monday', u'day=Saturday', u'day=Sunday',
u'day=Thursday', u'day=Tuesday', u'day=Wednesday', 'price']
如输出所示，所有日子似乎都得到了适当的代表。我仍然感到困惑：（a）和（b）上面。仅供参考，当我做LinearRegression时，我只能获得6个系数（我期望每天有7个系数；一周中的一个）。
它们在那里，只是打印vec_fit时没有显示。它是打印大数组时Numpy的默认行为。仅显示数据的前3列和最后3列以及前3行和最后3行。
[[ 0. 0. 0. ..., 0. 1. 59.]
[ 0. 0. 0. ..., 0. 0. 92.]
[ 1. 0. 0. ..., 0. 0. 92.]
..., <=== This is for all intermediate data values present. Just not printed
[ 0. 0. 1. ..., 0. 0. 181.]
[ 0. 0. 0. ..., 0. 0. 181.]
[ 0. 1. 0. ..., 0. 0. 181.]]
您可以通过检查数组的形状来确认所有数据都存在。
print(vec_fit.shape)
应该是(n_rows, 8)。第一个值（n_rows）涵盖了您的所有样本。第二个值（8）涵盖了您的7个虚拟变量和1个目标变量。
如果要打印完整的数组，请查看以下问题：
- 如何打印完整的numpy数组？
- python打印" ..."在很大的输出中