机器学习数据表示为阵列

本文主要是介绍机器学习数据表示为阵列，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

机器学习数据表示为阵列。
在Python中，数据几乎被普遍表示为Numpy阵列。
可能会因访问数据的一些Pythonic方法（例如负索引和数组切片）感到困惑。
在本教程中，您将发现如何在Numpy阵列中正确操纵和访问数据。
完成本教程后，您将知道：
1 如何将列表数据转换为Numpy数组。
2 如何使用Pythonic索引和切片访问数据。
3 如何调整数据以满足某些机器学习API的期望。

教程概述
本教程分为4个部分；他们是：
1.从列表到数组
2.数组索引
3.阵列切片
4.阵列重塑

1.从列表到数组

一般来说，我建议使用Pandas甚至NumPy函数从文件加载数据。

本节假设您已经通过其他方式加载或生成了数据，并且现在使用Python列表表示数据。

让我们看看如何将列表中的数据转换为NumPy数组。

一维列表到数组

您可以加载数据或生成数据，并以列表的形式访问数据。

可以通过调用array（）NumPy函数将一维数据列表转换为数组。

#one dimensional array
from numpy import array
# list of fdata
data = [11,22,33,44,55]
# array of data
data = array(data)
print(data)
print(type(data))

[11 22 33 44 55]
<class 'numpy.ndarray'>

列表到数组的二维列表

在机器学习中，你更有可能拥有二维数据。

这是一个数据表，其中每一行代表一个新的观察结果，每一列代表一个新的特征。

也许您使用自定义代码生成了数据或加载了数据，现在您有了一个列表的列表。每个列表代表一个新的观察结果。

您可以通过调用array（）函数，以与上面相同的方式将列表列表转换为NumPy数组。

# two dimensiaonal example
from numpy import array
#list of data
data = [[11,22], [33,44], [55,66]]
# array of data
data = array(data)
print(data)
print(data.shape)
print(type(data))

[[11 22][33 44][55 66]]
(3, 2)
<class 'numpy.ndarray'>

2.数组索引

一旦你的数据使用NumPy数组表示，你就可以使用索引访问它。

让我们看一些通过索引访问数据的例子。

一维索引

通常，索引的工作方式与您使用其他编程语言（如Java、C#和C++）的经验一样。

例如，您可以使用括号运算符[]访问元素，为要检索的值指定零偏移量索引。

#simple indexing
from numpy import array
#define array
data = array([11,22,33,44,55])
#index data
print(data[0])
print(data[1:4])
print(data[4])

11
[22 33 44]
55

如果整数对于数组的边界来说太大，则会导致错误。


# simple indexing
from numpy import array
# define array
data = array([11, 22, 33, 44, 55])
# index data
print(data[5])

---------------------------------------------------------------------------IndexError                                Traceback (most recent call last)Cell In[4], line 64 data = array([11, 22, 33, 44, 55])5 # index data
----> 6 print(data[5])IndexError: index 5 is out of bounds for axis 0 with size 5

一个关键的区别是，您可以使用负索引来检索从数组末尾偏移的值。

例如，索引—1表示数组中的最后一项。在当前示例中，索引—2将倒数第二个项一直返回到第一个项的—5。

# simple indexing
from numpy import array
# define array
data = array([11, 22, 33, 44, 55])
# index data
print(data[-1])
print(data[-5])

55
11

二维索引

索引二维数据类似于索引一维数据，不同之处在于使用逗号分隔每个维度的索引。

data[0,0]

这与基于C的语言不同，在基于C的语言中，每个维度使用单独的括号运算符。

data[0][0]

例如，我们可以访问第一行和第一列，如下所示：

#2d indexing
from numpy import array
#define array
data = array([[10,20,30],[40,50,60],[70,80,90]])
#index data
print(data[0,0])

如果我们对第一行中的所有项都感兴趣，我们可以将第二维索引留空，例如：
这将打印第一行数据。

#2d indexing
from numpy import array
#define array
data = array([[10,20,30],[40,50,60],[70,80,90]])
#index data
print(data[0,])

[10 20 30]The Kernel crashed while executing code in the current cell or a previous cell. Please review the code in the cell(s) to identify a possible cause of the failure. Click <a href='https://aka.ms/vscodeJupyterKernelCrash'>here</a> for more info. View Jupyter <a href='command:jupyter.viewOutput'>log</a> for further details.

3.数组切片

到目前为止，一切都很好;创建和索引数组看起来很熟悉。

现在我们来讨论数组切片，这是给 Python 和 NumPy 数组初学者带来问题的一项功能。

列表和 NumPy 数组等结构可以进行切片。这意味着可以对结构的子序列进行索引和检索。

切片是使用冒号运算符“:”指定的，在列之前和之后分别带有“from”和“to”索引。该切片从“from”索引开始，并在“to”索引之前结束一项。

data[from:to]

让我们来看一些例子。

一维切片

# simple slicing
from numpy import array
# define array
data = array([11, 22, 33, 44, 55])
print(data[:])
print(data[0:1])

[11 22 33 44 55]
[11]

我们还可以在切片中使用负索引。例如，我们可以通过从 -2（倒数第二个项目）开始切片并且不指定“to”索引来对列表中的最后两个项目进行切片；它将切片带到维度的末尾。

# simple slicing
from numpy import array
# define array
data = array([11, 22, 33, 44, 55])
print(data[-2:])

[44 55]

二维切片

让我们看一下最有可能在机器学习中使用的二维切片的两个示例。

分离输入和输出特性

通常将加载的数据拆分为输入变量 (X) 和输出变量 (y)。

我们可以通过将所有行和所有列切片直到最后一列之前，然后单独索引最后一列来做到这一点。

对于输入特征，我们可以通过在行索引中指定 ‘:’ 以及在列索引中指定 :-1 来选择除最后一列之外的所有行和所有列。

X = [:, :-1]

对于输出列，我们可以使用“:”再次选择所有行，并通过指定 -1 索引仅对最后一列进行索引。

y = [:, -1]

将所有这些放在一起，我们可以将 3 列 2D 数据集分为输入和输出数据，如下所示：

运行该示例将打印分离的 X 和 y 元素。请注意，X 是二维数组，y 是一维数组。

from numpy import array
data = array([[1,2,3], [4,5,6], [7,8,9]])
# separate data
X = data[:, :-1]
y = data[:, -1]
print(X)
print(y)

[[1 2][4 5][7 8]]
[3 6 9]

分割训练和测试行

将加载的数据集拆分为单独的训练集和测试集是很常见的。

这是行的分割，其中一部分将用于训练模型，其余部分将用于估计训练模型的技能。

这将涉及通过在第二个维度索引中指定“：”来切片所有列。训练数据集将是从开始到分割点的所有行。

dataset
train = data[:split, :]

测试数据集将是从分割点开始到维度末尾的所有行。

test = data[split:, :]

将所有这些放在一起，我们可以在人为的分割点 2 处分割数据集。

运行该示例将选择前两行用于训练，最后一行用于测试集。

#split train and test
from numpy import array
data = array([[1,2,3], [4,5,6], [7,8,9]])
split = 2
# separate data
train, test = data[:split, :], data[split:, :]
print(train)
print(test)

[[1 2 3][4 5 6]]
[[7 8 9]]

4. 数组重塑

分割数据后，您可能需要重新调整数据的形状。

例如，某些库（例如 scikit-learn）可能要求将输出变量 (y) 的一维数组整形为包含一列和每行结果的二维数组。

一些算法，例如 Keras 中的长短期记忆循环神经网络，需要将输入指定为由样本、时间步长和特征组成的三维数组。

了解如何重塑 NumPy 数组以使数据满足特定 Python 库的期望非常重要。我们将看看这两个例子。

数据形状

NumPy 数组具有一个 shape 属性，该属性返回数组每个维度的长度的元组。

#array shape
from numpy import array
# define array
data = array([11,22,33,44,55])
print(data.shape)

(5,)

对于二维数组，返回具有两个长度的元组。

from numpy import array
data = array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(data.shape)

(3, 3)

您可以在形状维度中使用数组维度的大小，例如指定参数。

元组的元素可以像数组一样访问，第 0 个索引表示行数，第 1 个索引表示列数。例如：

from numpy import array
data = array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("rows: %d" % data.shape[0])
print("columns: %d" % data.shape[1])

rows: 3
columns: 3

将一维数组重塑为二维数组

通常需要将一维数组重塑为一列多行的二维数组。

NumPy 在 NumPy 数组对象上提供 reshape() 函数，可用于重塑数据。

reshape() 函数采用单个参数来指定数组的新形状。在将一维数组重塑为具有一列的二维数组的情况下，元组将是数组的形状(data.shape[0])作为第一维和 1 作为第二维。

data = data.reshape((data.shape[0], 1))

# reshape 1d array
from numpy import array
from numpy import reshape
data = [11, 22, 33, 44, 55, 66]
data = array(data)
print(data.shape)
#reshape
data = data.reshape((data.shape[0], 1))
print(data.shape)

(6,)
(6, 1)

运行该示例会打印一维数组的形状，将数组重新调整为 5 行 1 列，然后打印这个新形状。

将 2D 阵列重塑为 3D 阵列

对于需要一个或多个时间步长和一个或多个特征的多个样本的算法，通常需要将每行表示一个序列的二维数据重塑为三维数组。

Keras 深度学习库中的 LSTM 循环神经网络模型就是一个很好的例子。

可以直接使用 reshape 函数，指定新的维度。通过一个示例可以清楚地看出这一点，其中每个序列都有多个时间步长，每个时间步长有一个观察（特征）。

我们可以使用数组的 shape 属性中的大小来指定样本（行）和列（时间步长）的数量，并将特征数量固定为 1。


data.reshape((data.shape[0], data.shape[1], 1))

from numpy import array
# list of data
data = [[11, 22],[33, 44],[55, 66]]
# array of data
data = array(data)
print(data.shape)
#reshape
data = data.reshape((data.shape[0], data.shape[1], 1))
print(data.shape)