numpy 數組和 numpy 向量之間的區別

Question

我想知道這兩行代碼的區別

 X_train = training_dataset.iloc[:, 1].values
 X_train = training_dataset.iloc[:, 1:2].values

我的猜測是后者是二維 numpy 陣列，前者是一維 numpy 陣列。 對於神經網絡中的輸入，后者是輸入數據的正確方式，是否有具體原因？

請幫忙！

Answer 1

不完全是，他們都有ndim = 2，只需這樣做檢查：

X_train.ndim

不同之處在於，在第二個維度中，如果您想查看形狀之間的差異，我建議您閱讀以下內容： Difference between numpy.array shape (R, 1) and (R,)

Answer 2

不同之處在於 iloc 返回一個帶有單行或單列的系列，但 Dataframe 具有多行或多列范圍參考

雖然它們都引用第 1 列，但 1 和 1:2 是不同的類型，1 表示 int，1:2 表示 slice。

和，

X_train = training_dataset.iloc[:, 1].values

您指定單個列，因此 training_dataset.iloc[:, 1] 是 Pandas 系列，所以.values 是一維 Numpy 數組

與，

X_train = training_dataset.iloc[:, 1:2].values

雖然它變成一列，但 [1:2] 是一個切片，您表示列范圍，因此 training_dataset.iloc[:, 1:2] 是 Pandas Dataframe。 因此， .values 是一個二維 Numpy 數組

測試如下：

創建training_dataset Dataframe

data = {'Height':[1, 14, 2, 1, 5], 'Width':[15, 25, 2, 20, 27]} 
training_dataset = pd.DataFrame(data)

使用.iloc[:, 1]

print(type(training_dataset.iloc[:, 1]))
print(training_dataset.iloc[:, 1].values)

# Result is: 
<class 'pandas.core.series.Series'>
# Values returns a 1D Numpy array
0    15
1    25
2     2
3    20
4    27
Name: Width, dtype: int64, 

使用 iloc[:, 1:2]

print(type(training_dataset.iloc[:, 1:2]))
print(training_dataset.iloc[:, 1:2].values)
# Result is: 
<class 'pandas.core.frame.DataFrame'>
# Values is a 2D Numpy array (since values of Pandas Dataframe)
[[15]
 [25]
 [ 2]
 [20]
 [27]], 
X_train Values Var Type <class 'numpy.ndarray'>