使用 numpy 一维数组作为 sklearn X 的最短语法答案

【问题标题】：Shortest Syntax To Use numpy 1d-array As sklearn X使用 numpy 一维数组作为 sklearn X 的最短语法
【发布时间】：2016-06-19 03:13:05
【问题描述】：

我经常有两个numpy 1d 数组，x 和 y，并想使用它们执行一些快速的 sklearn 拟合 + 预测。

 import numpy as np
 from sklearn import linear_model

 # This is an example for the 1d aspect - it's obtained from something else.
 x = np.array([1, 3, 2, ...]) 
 y = np.array([12, 32, 4, ...])

现在我想做一些类似的事情

 linear_model.LinearRegression().fit(x, y)...

问题在于它expects an X which is a 2d column array。因此，我通常会喂它

 x.reshape((len(x), 1))

我觉得很麻烦且难以阅读。

是否有一些更短的方法可以将一维数组转换为二维列数组（或者，让sklearn 接受一维数组）？

【问题讨论】：

标签： python numpy scikit-learn

【解决方案1】：

你可以分割你的数组，创建一个newaxis:

x[:, None]

这个：

>>> x = np.arange(5)
>>> x[:, None]
array([[0],
       [1],
       [2],
       [3],
       [4]])

相当于：

>>> x.reshape(len(x), 1)
array([[0],
       [1],
       [2],
       [3],
       [4]])

如果你觉得它更具可读性，你可以使用转置矩阵：

np.matrix(x).T

如果你想要一个数组：

np.matrix(x).T.A

【讨论】：