从列表中创建 numpy 数组会给出错误的形状答案

【问题标题】：Creating numpy array from list gives wrong shape从列表中创建 numpy 数组会给出错误的形状
【发布时间】：2017-03-31 07:56:07
【问题描述】：

我正在从一个 numpy 数组列表中创建几个 numpy 数组，如下所示：

seq_length = 1500
seq_diff = 200  # difference between start of two sequences
# x and y are 2D numpy arrays
x_seqs = [x[i:i+seq_length,:] for i in range(0, seq_diff*(len(x) // seq_diff), seq_diff)]
y_seqs = [y[i:i+seq_length,:] for i in range(0, seq_diff*(len(y) // seq_diff), seq_diff)]
boundary1 = int(0.7 * len(x_seqs))   # 70% is training set
boundary2 = int(0.85 * len(x_seqs))  # 15% validation, 15% test
x_train = np.array(x_seqs[:boundary1])
y_train = np.array(y_seqs[:boundary1])
x_valid = np.array(x_seqs[boundary1:boundary2])
y_valid = np.array(y_seqs[boundary1:boundary2])
x_test = np.array(x_seqs[boundary2:])
y_test = np.array(y_seqs[boundary2:])

我希望最终得到 6 个形状为 (n, 1500, 300) 的数组，其中 n 分别是训练、验证和测试数组数据的 70%、15% 或 15%。

这就是问题所在：_train 和 _valid 数组结果很好，但 _test 数组是数组的一维数组。那就是：

x_train.shape 是 (459, 1500, 300)
x_valid.shape 是 (99, 1500, 300)
x_test.shape 是 (99,)

但打印 x_test 会验证它是否包含正确的元素 - 即它是由 (1500, 300) 数组组成的 99 元素长数组。

为什么_test 矩阵的形状错误，而_train 和_valid 矩阵却没有？

【问题讨论】：

标签： python numpy machine-learning

【解决方案1】：

x_seqs 中的项目长度不同。当它们的长度相同时，np.array 可以从中创建一个 3d 数组；当它们不同时，它会生成一个列表对象数组。查看x_test 的dtype。看[len(i) for i in x_test]。

我拿了你的代码，补充道：

x=np.zeros((2000,10))
y=x.copy()
...
print([len(i) for i in x_seqs])
print(x_train.shape)
print(x_valid.shape)
print(x_test.shape)

得到：

1520:~/mypy$ python3 stack40643639.py 
[1500, 1500, 1500, 1400, 1200, 1000, 800, 600, 400, 200]
(7,)
(1, 600, 10)
(2,)

【讨论】：