列表到 ndarray 的列表

Posted 2023-03-12

【中文标题】列表到 ndarray 的列表

【英文标题】：List of List to ndarray

【发布时间】：2013-07-01 04:41:10

【问题描述】：

我正在尝试在 scipy 中使用 kmeans 聚类，这正是这里存在的：

http://docs.scipy.org/doc/scipy/reference/generated/scipy.cluster.vq.kmeans.html#scipy.cluster.vq.kmeans

我想做的是转换一个列表，如下所示：

data without_x[
[0, 0, 0, 0, 0, 0, 0, 20.0, 1.0, 48.0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1224.0, 125.5, 3156.0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 22.5, 56.0, 41.5, 85.5, 0, 0, 0, 0, 0, 0, 0, 0, 1495.0, 3496.5, 2715.0, 5566.5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
]

为了与 Kmeans 方法一起使用它。当我尝试将列表列表转换为 ndarray 时，我得到一个空数组，从而使整个分析无效。 ndarray 的长度是可变的，它取决于收集的样本数量。但我可以通过 len(data_without_x)

这是返回空列表的代码的 sn-p。

import numpy as np
import "other functions"

data, data_without_x = data_preparation.generate_sampled_pdf()
nodes_stats, k, list_of_list= result_som.get_number_k()

data_array = np.array(data_without_x)
whitened = whiten(data_array)
centroids, distortion = kmeans(whitened, int(k), iter=100000)

这就是我在一个简单的日志文件中保存的输出：

___________________________
this is the data array[[ 0.  0.  0. ...,  0.  0.  0.]
 [ 0.  0.  0. ...,  0.  0.  0.]
 [ 0.  0.  0. ...,  0.  0.  0.]
 ..., 
 [ 0.  0.  0. ...,  0.  0.  0.]
 [ 0.  0.  0. ...,  0.  0.  0.]
 [ 0.  0.  0. ...,  0.  0.  0.]]
___________________________
This is the whitened array[[ nan  nan  nan ...,  nan  nan  nan]
 [ nan  nan  nan ...,  nan  nan  nan]
 [ nan  nan  nan ...,  nan  nan  nan]
 ..., 
 [ nan  nan  nan ...,  nan  nan  nan]
 [ nan  nan  nan ...,  nan  nan  nan]
 [ nan  nan  nan ...,  nan  nan  nan]]
___________________________

有人知道当我尝试将列表列表转换为 numpy.array 时会发生什么吗？

感谢您的帮助

【问题讨论】：

尝试print(np.abs(data_array).sum()) 看看数组是否真的为空。字符串表示并未显示所有内容。

上一行的输出不是零是2099918.5...这意味着它不是空的...那为什么我会得到这样的结果？

同样，打印 NumPy 数组并不能显示全部内容——非零元素在 ... 中。存在 NaN 是因为白化无法处理全零的行和列。你应该删除那些。 （这也会使 k-means 更快。）

【参考方案1】：

这正是在 python 中如何将列表列表转换为 ndarray 的方法。您确定您的data_without_x 填写正确吗？在我的机器上：

data = [[1,2,3,4],[5,6,7,8]]
data_arr = np.array(data)

data_arr
array([[1,2,3,4],
       [5,6,7,8]])

我认为你期望的行为是什么

查看您的输入，您有很多零...请记住，打印输出并未显示所有这些。您可能只是从输入中看到所有“零”。检查特定的非零元素以确保

【参考方案2】：

vq.whiten 和vq.kmeans 期望一个形状为(M, N) 的数组，其中每一行 是一个观察值。所以转置你的data_array：

import numpy as np
import scipy.cluster.vq as vq
np.random.seed(2013)    

data_without_x = [
    [0, 0, 0, 0, 0, 0, 0, 20.0, 1.0, 48.0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
        1224.0, 125.5, 3156.0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0, 0, 22.5, 56.0, 41.5, 85.5, 0, 0, 0, 0, 0, 0, 0, 0, 1495.0,
        3496.5, 2715.0, 5566.5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
]


data_array = np.array(data_without_x).T
whitened = vq.whiten(data_array)

centroids, distortion = vq.kmeans(whitened, 5)
print(centroids)

产量

[[  1.22649791e+00   2.69573144e+00]
 [  3.91943108e-03   5.57406434e-03]
 [  5.73668382e+00   4.83161524e+00]
 [  0.00000000e+00   1.29763133e+00]]

【讨论】：

为什么我必须做data_array的T？在我的配置中，每一行都已经是一个观察值，如果我对它进行 T，那么每一列都将是一个观察值，不是这样吗？

如果，如您所说，“每一行都是一个观察结果”，那么您只有两个观察结果。然后将两行聚类几乎没有意义。您似乎更有可能对平面点进行 36 个或更多观测，并试图找到 k 集群。如果该解释是正确的，那么您必须将一个形状为 (36,2) 而不是 (2,36) 的数组传递给 vk.kmeans。

好吧，所以基本上我表达自己可能不正确。关键是当我写“例如”时，它意味着我试图聚集在一起的观察是那种形式，但这并不意味着只有这两个是观察。观察数是可变的，它取决于其他参数，在特定情况下，有 100K 行要聚类。 36 是分析的维度数。因此，例如，如果我有 75 个观察值，我需要传递 [75,36] 矩阵而不是 [36,75]。这是你想说的吗？

【参考方案3】：

使用 numpy 的 asarray 函数。 这很简单： 参考：https://docs.scipy.org/doc/numpy/reference/generated/numpy.asarray.html

【讨论】：

不要将链接发布为答案，而是添加一些文本来解释此答案如何帮助 OP 解决当前问题。谢谢