使用 numpy 1d 数组作为 sklearn X 的最短语法

Question

我经常有两个

numpy

一维数组，

x

和

y

，并且想使用它们执行一些快速的sklearn拟合+预测。

 import numpy as np
 from sklearn import linear_model

 # This is an example for the 1d aspect - it's obtained from something else.
 x = np.array([1, 3, 2, ...]) 
 y = np.array([12, 32, 4, ...])

现在我想做类似的事情

 linear_model.LinearRegression().fit(x, y)...

问题是它需要一个

X

，它是一个二维列数组。因为这个原因，我通常会喂它

 x.reshape((len(x), 1))

我觉得这很麻烦且难以阅读。

是否有一些更短的方法可以将一维数组转换为二维列数组（或者，让

sklearn

接受一维数组）？

Answer 1

您可以对数组进行切片，创建一个newaxis：

x[:, None]

这个：

>>> x = np.arange(5)
>>> x[:, None]
array([[0],
       [1],
       [2],
       [3],
       [4]])

相当于：

>>> x.reshape(len(x), 1)
array([[0],
       [1],
       [2],
       [3],
       [4]])

如果您发现它更具可读性，您可以使用转置矩阵：

np.matrix(x).T

如果你想要一个数组：

np.matrix(x).T.A

Answer 2

或者，可以使用：

x = np.array([...]).reshape(-1, 1)