Numpy hstack - “ValueError：所有输入数组必须具有相同的维数” - 但它们确实如此

Posted 2023-02-23

【中文标题】Numpy hstack - “ValueError：所有输入数组必须具有相同的维数” - 但它们确实如此

【英文标题】：Numpy hstack - "ValueError: all the input arrays must have same number of dimensions" - but they do

【发布时间】：2014-04-11 01:22:51

【问题描述】：

我正在尝试加入两个 numpy 数组。在一个文本列上运行 TF-IDF 后，我有一组列/功能。在另一个我有一个列/特征是一个整数。所以我读入了一列训练和测试数据，对此运行 TF-IDF，然后我想添加另一个整数列，因为我认为这将帮助我的分类器更准确地了解它应该如何表现。

不幸的是，当我尝试运行 hstack 将此单列添加到我的另一个 numpy 数组时，我在标题中遇到错误。

这是我的代码：

  #reading in test/train data for TF-IDF
  traindata = list(np.array(p.read_csv('FinalCSVFin.csv', delimiter=";"))[:,2])
  testdata = list(np.array(p.read_csv('FinalTestCSVFin.csv', delimiter=";"))[:,2])

  #reading in labels for training
  y = np.array(p.read_csv('FinalCSVFin.csv', delimiter=";"))[:,-2]

  #reading in single integer column to join
  AlexaTrainData = p.read_csv('FinalCSVFin.csv', delimiter=";")[["alexarank"]]
  AlexaTestData = p.read_csv('FinalTestCSVFin.csv', delimiter=";")[["alexarank"]]
  AllAlexaAndGoogleInfo = AlexaTestData.append(AlexaTrainData)

  tfv = TfidfVectorizer(min_df=3,  max_features=None, strip_accents='unicode',  
        analyzer='word',token_pattern=r'\w1,',ngram_range=(1, 2), use_idf=1,smooth_idf=1,sublinear_tf=1) #tf-idf object
  rd = lm.LogisticRegression(penalty='l2', dual=True, tol=0.0001, 
                             C=1, fit_intercept=True, intercept_scaling=1.0, 
                             class_weight=None, random_state=None) #Classifier
  X_all = traindata + testdata #adding test and train data to put into tf-idf
  lentrain = len(traindata) #find length of train data
  tfv.fit(X_all) #fit tf-idf on all our text
  X_all = tfv.transform(X_all) #transform it
  X = X_all[:lentrain] #reduce to size of training set
  AllAlexaAndGoogleInfo = AllAlexaAndGoogleInfo[:lentrain] #reduce to size of training set
  X_test = X_all[lentrain:] #reduce to size of training set

  #printing debug info, output below : 
  print "X.shape => " + str(X.shape)
  print "AllAlexaAndGoogleInfo.shape => " + str(AllAlexaAndGoogleInfo.shape)
  print "X_all.shape => " + str(X_all.shape)

  #line we get error on
  X = np.hstack((X, AllAlexaAndGoogleInfo))

下面是输出和错误信息：

X.shape => (7395, 238377)
AllAlexaAndGoogleInfo.shape => (7395, 1)
X_all.shape => (10566, 238377)



---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-12-2b310887b5e4> in <module>()
     31 print "X_all.shape => " + str(X_all.shape)
     32 #X = np.column_stack((X, AllAlexaAndGoogleInfo))
---> 33 X = np.hstack((X, AllAlexaAndGoogleInfo))
     34 sc = preprocessing.StandardScaler().fit(X)
     35 X = sc.transform(X)

C:\Users\Simon\Anaconda\lib\site-packages\numpy\core\shape_base.pyc in hstack(tup)
    271     # As a special case, dimension 0 of 1-dimensional arrays is "horizontal"
    272     if arrs[0].ndim == 1:
--> 273         return _nx.concatenate(arrs, 0)
    274     else:
    275         return _nx.concatenate(arrs, 1)

ValueError: all the input arrays must have same number of dimensions

是什么导致了我的问题？我怎样才能解决这个问题？据我所见，我应该能够加入这些专栏吗？我误会了什么？

谢谢。

编辑：

使用下面答案中的方法得到以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-16-640ef6dd335d> in <module>()
---> 36 X = np.column_stack((X, AllAlexaAndGoogleInfo))
     37 sc = preprocessing.StandardScaler().fit(X)
     38 X = sc.transform(X)

C:\Users\Simon\Anaconda\lib\site-packages\numpy\lib\shape_base.pyc in column_stack(tup)
    294             arr = array(arr,copy=False,subok=True,ndmin=2).T
    295         arrays.append(arr)
--> 296     return _nx.concatenate(arrays,1)
    297 
    298 def dstack(tup):

ValueError: all the input array dimensions except for the concatenation axis must match exactly

有趣的是，我尝试打印 X 的 dtype，效果很好：

X.dtype => float64

但是，尝试像这样打印AllAlexaAndGoogleInfo 的dtype：

print "AllAlexaAndGoogleInfo.dtype => " + str(AllAlexaAndGoogleInfo.dtype) 

产生：

'DataFrame' object has no attribute 'dtype'

【问题讨论】：

allAlexaAndGoogleInfo.append(X) 有效吗？我的猜测是，如果要将DataFrame 对象与numpy.ndarray 结合起来，则需要使用 Pandas 提供的方法。或者将 DataFrame 转换为普通的 numpy 数组。

【参考方案1】：

由于X 是一个稀疏数组，而不是numpy.hstack，所以使用scipy.sparse.hstack 加入数组。在我看来，错误信息在这里有点误导。

这个最小的例子说明了这种情况：

import numpy as np
from scipy import sparse

X = sparse.rand(10, 10000)
xt = np.random.random((10, 1))
print 'X shape:', X.shape
print 'xt shape:', xt.shape
print 'Stacked shape:', np.hstack((X,xt)).shape
#print 'Stacked shape:', sparse.hstack((X,xt)).shape #This works

基于以下输出

X shape: (10, 10000)
xt shape: (10, 1)

人们可能认为下一行中的hstack 会起作用，但事实是它会引发此错误：

ValueError: all the input arrays must have same number of dimensions

所以，当你有一个稀疏数组要堆叠时，使用scipy.sparse.hstack。

---

事实上我已经在你的另一个问题中作为评论回答了这个问题，你提到弹出另一个错误消息：

TypeError: no supported conversion for types: (dtype('float64'), dtype('O'))

首先，AllAlexaAndGoogleInfo 没有dtype，因为它是DataFrame。要获得它的底层 numpy 数组，只需使用 AllAlexaAndGoogleInfo.values。检查其dtype。根据错误消息，它有一个object 的dtype，这意味着它可能包含字符串等非数字元素。

这是重现这种情况的最小示例：

X = sparse.rand(100, 10000)
xt = np.random.random((100, 1))
xt = xt.astype('object') # Comment this to fix the error
print 'X:', X.shape, X.dtype
print 'xt:', xt.shape, xt.dtype
print 'Stacked shape:', sparse.hstack((X,xt)).shape

错误信息：

TypeError: no supported conversion for types: (dtype('float64'), dtype('O'))

所以，在进行堆叠之前，检查AllAlexaAndGoogleInfo 中是否有任何非数值并修复它们。

【讨论】：

np.hstack 能够强制类型，例如np.hstack((X.A,xt)) 工作，产生一个具有 dtype 对象的数组。 sparse.hstack 也适用于显式转换数组，例如sparse.hstack((X.astype(object), xt))

OMFG 在我看到这个之前，我正在拉我的头发并敲打我的头。谢谢！

【参考方案2】：

使用.column_stack。像这样：

X = np.column_stack((X, AllAlexaAndGoogleInfo))

来自docs：

获取一维数组的序列并将它们堆叠为列以生成 单个二维阵列。二维数组按原样堆叠，就像 hstack 一样。

【讨论】：

感谢您的回复。我已经更新了上面的问题以显示由此产生的错误消息。

3 str(*.shape) 行的输出是什么？

如果上面的标记变得烦人，那就是我在上面发布的问题，但输出是：X.shape => (7395, 238377)、AllAlexaAndGoogleInfo.shape => (7395, 1) 和 X_all.shape => (10566, 238377)。谢谢:)

尝试X.resize(AllAlexaAndGoogleInfo.shape) 然后X = np.hstack((X, AllAlexaAndGoogleInfo))。

这一行然后抛出错误AttributeError: resize not found。谢谢你的想法！ :)

【参考方案3】：

试试：

X = np.hstack((X, AllAlexaAndGoogleInfo.values))

我没有正在运行的 Pandas 模块，因此无法对其进行测试。但是 DataFrame 文档描述了values Numpy representation of NDFrame。 np.hstack 是一个numpy 函数，因此对DataFrame 的内部结构一无所知。

【讨论】：

感谢您的回复，不幸的是，这也成为了受害者：ValueError: all the input arrays must have same number of dimensions :(

我试图打印这个；但我相信 pandas 将其作为 DataFrame 对象读入，因此它会抛出错误“'DataFrame' object has no attribute 'dtype''。我不确定如何解决这个问题。非常感谢您的帮助:)

但是没有办法获得那个DataFrame的ndarray表达式吗？从文档来看，values 会这样做。还有一个“as_matrix”方法。 ftypes 呢？我还在文档中看到了dtypes。 DataFrame 可能包含ndarray，但它本身不是ndarray。