繁体   English   中英

规范化/标准化numpy重新排列

[英]Normalize/Standardize a numpy recarray

我想知道正常化/标准化numpy recarray的最佳方法是什么。 为了说清楚,我不是在谈论一个数学矩阵,而是一个记录数组,它也有例如文本列(如标签)。

a = np.genfromtxt("iris.csv", delimiter=",", dtype=None)
print a.shape
> (150,)

如你所见,我无法处理a[:,:-1]因为形状是一维的。

我找到的最好的是迭代所有列:

for nam in a.dtype.names[:-1]:
    col = a[nam]
    a[nam] = (col - col.min()) / (col.max() - col.min())

这样做更优雅的方式? 是否有某些方法,如“标准化”或“标准化”?

有很多方法可以做到,但有些方法比其他方法更清洁。

通常,在numpy中,将字符串数据保存在单独的数组中。

(事情比R的数据框架要低一些。你通常只是在一个类中包装用于关联,但是将不同的数据类型分开。)

老实说,numpy没有针对处理这种“灵活”数据类型进行优化(虽然它当然可以做到)。 pandas这样的东西为“类似电子表格”的数据提供了更好的界面(而pandas只是numpy之上的一层)。

但是,当您传入字段名称列表时,结构化数组(这是您在此处拥有的)将允许您按列进行切片。 (例如data[['col1', 'col2', 'col3']]

无论如何,一种方法是做这样的事情:

import numpy as np

data = np.recfromcsv('iris.csv')

# In this case, it's just all but the last, but we could be more general
# This must be a list and not a tuple, though.
float_fields = list(data.dtype.names[:-1])

float_dat = data[float_fields]

# Now we just need to view it as a "regular" 2D array...
float_dat = float_dat.view(np.float).reshape((data.size, -1))

# And we can normalize columns as usual.
normalized = (float_dat - float_dat.min(axis=0)) / float_dat.ptp(axis=0)

然而,这远非理想。 如果你想就地进行操作(就像你现在的那样),最简单的解决方案就是你已经拥有的:只需迭代字段名称即可。

顺便说一句,使用pandas ,你会做这样的事情:

import pandas
data = pandas.read_csv('iris.csv', header=None)

float_dat = data[data.columns[:-1]]
dmin, dmax = float_dat.min(axis=0), float_dat.max(axis=0)

data[data.columns[:-1]] = (float_dat - dmin) / (dmax - dmin)

您使用的是哪种版本的NumPy? 在1.5.1版本中,我没有得到这种行为。 我以一个简短的文本文件为例,保存为test.txt

last,first,country,state,zip
tyson,mike,USA,Nevada,89146
brady,tom,USA,Massachusetts,02035

当我执行以下代码时,这就是我得到的:

>>> import numpy as np
>>> a = np.genfromtxt("/home/ely/Desktop/Python/test.txt",delimiter=',',dtype=None)
>>> print a.shape
(3,5)
>>> print a
[['last' 'first' 'country' 'state' 'zip']
 ['tyson' 'mike' 'USA' 'Nevada' '89146']
 ['brady' 'tom' 'USA' 'Massachusetts' '02035']]
>>> print a[0,:-1]
['last' 'first' 'country' 'state']
>>> print a.dtype.names
None

我只是想知道你的数据有什么不同。

暂无
暂无

声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

 
粤ICP备18138465号  © 2020-2024 STACKOOM.COM