np.c_ 返回行向量，而不是列

Question

我对 Python 相当陌生，正在尝试编写线性/多项式回归。

我正在尝试手动设计三阶多项式的特征，而不是使用例如 scikit-learn。

我已从 CSV 文件导入数据并将其转换为行向量。现在我正在尝试创建一个具有三列的矩阵（原始特征、特征平方、特征立方）。

我希望为此使用 numpy.c_ ，但是我没有创建一个具有三列的矩阵，而是得到一个（非常）长的行向量。

屏幕截图说明了我正在尝试做什么以及我期望它如何表现（带有 x 和 X 的简短部分）以及它正在做什么（带有 francis_guide_vane_pos 和 francis_[...]_engineered 的部分） 我正在使用 Python v.3.11.4

# what I expected to happen
x = np.arange(0,20,1)
X = np.c_[x, x**2, x**3]
print(x, x.shape)
print(X, X.shape)

# what is actually happning
francis_guide_vane_pos_engineered = np.c_[francis_guide_vane_pos, francis_guide_vane_pos**2, francis_guide_vane_pos**3]
print(francis_guide_vane_pos, francis_guide_vane_pos.shape)
print(francis_guide_vane_pos_engineered, francis_guide_vane_pos_engineered.shape)

结果：

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19] (20,)
[[   0    0    0]
 [   1    1    1]
 [   2    4    8]
 [   3    9   27]
 [   4   16   64]
 [   5   25  125]
 [   6   36  216]
 [   7   49  343]
 [   8   64  512]
 [   9   81  729]
 [  10  100 1000]
 [  11  121 1331]
 [  12  144 1728]
 [  13  169 2197]
 [  14  196 2744]
 [  15  225 3375]
 [  16  256 4096]
 [  17  289 4913]
 [  18  324 5832]
 [  19  361 6859]] (20, 3)

[[89.8 89.8 89.7 ... 14.8 14.8 14.8]] (1, 286996)
[[  89.8     89.8     89.7   ... 3241.792 3241.792 3241.792]] (1, 860988)

编辑以包含书面代码而不仅仅是屏幕截图

Answer 1

请注意，在第一个示例中，

x

是形状为(20,)的

一维

数组。您可以使用

np.c_

将它们堆叠起来以获得

(20, 3)

数组。

在第二种情况下，

francis_guide_vane_pos

是形状为(1, 286996)的

二维

数组。要将其堆叠为列，请先转置数组，或将其压缩为一维数组：

>>> arr = np.c_[francis_guide_vane_pos.T, francis_guide_vane_pos.T**2, francis_guide_vane_pos.T**3]
>>> print(arr.shape) # (286996, 3)

或

>>> francis_guide_vane_pos = francis_guide_vane_pos.squeeze()
>>> arr = np.c_[francis_guide_vane_pos, francis_guide_vane_pos**2, francis_guide_vane_pos**3]
>>> print(arr.shape) # (286996, 3)