# 如何在 Python 中为机器学习索引，切片和重塑 NumPy 数组 > 原文： [https://machinelearningmastery.com/index-slice-reshape-numpy-arrays-machine-learning-python/](https://machinelearningmastery.com/index-slice-reshape-numpy-arrays-machine-learning-python/) 机器学习数据表示为数组。 在 Python 中，数据几乎普遍表示为 NumPy 数组。 如果您是 Python 的新手，您可能会对某些 [pythonic](https://stackoverflow.com/questions/25011078/what-does-pythonic-mean) 访问数据的方式感到困惑，例如负索引和数组切片。 在本教程中，您将了解如何在 NumPy 阵列中正确操作和访问数据。 完成本教程后，您将了解： * 如何将列表数据转换为 NumPy 数组。 * 如何使用 Pythonic 索引和切片访问数据。 * 如何调整数据大小以满足某些机器学习 API 的期望。 让我们开始吧。  如何在 Python 中为机器学习索引，切片和重塑 NumPy 数组 [BjörnSöderqvist](https://www.flickr.com/photos/kapten/433809071/)的照片，保留一些权利。 ## 教程概述 本教程分为 4 个部分;他们是： 1. 从列表到数组 2. 数组索引 3. 阵列切片 4. 数组重塑 ## 1.从列表到数组 通常，我建议使用 Pandas 甚至 NumPy 函数从文件加载数据。 例如，请看帖子： * [如何在 Python 中加载机器学习数据](http://machinelearningmastery.com/load-machine-learning-data-python/) 本节假定您已通过其他方式加载或生成数据，现在使用 Python 列表表示它。 我们来看看将列表中的数据转换为 NumPy 数组。 ### 一维列表到数组 您可以加载数据或生成数据，并以列表形式访问它。 您可以通过调用 array（）NumPy 函数将一维数据列表转换为数组。 ``` # one dimensional example from numpy import array # list of data data = [11, 22, 33, 44, 55] # array of data data = array(data) print(data) print(type(data)) ``` 运行该示例将一维列表转换为 NumPy 数组。 ``` [11 22 33 44 55] <class 'numpy.ndarray'> ``` ### 数组列表的二维列表 在机器学习中，你更有可能拥有二维数据。 这是一个数据表，其中每一行代表一个新观察，每一列代表一个新特征。 也许您使用自定义代码生成数据或加载数据，现在您有一个列表列表。每个列表代表一个新观察。 您可以通过调用 array（）函数将列表列表转换为 NumPy 数组，方法与上面相同。 ``` # two dimensional example from numpy import array # list of data data = [[11, 22], [33, 44], [55, 66]] # array of data data = array(data) print(data) print(type(data)) ``` 运行该示例显示已成功转换的数据。 ``` [[11 22] [33 44] [55 66]] <class 'numpy.ndarray'> ``` ## 2.数组索引 使用 NumPy 阵列表示数据后，可以使用索引访问它。 我们来看一些通过索引访问数据的例子。 ### 一维索引 通常，索引的工作方式与您对其他编程语言（如 Java，C＃和 C ++）的体验一样。 例如，您可以使用括号运算符[]访问元素，为要检索的值指定零偏移索引。 ``` # simple indexing from numpy import array # define array data = array([11, 22, 33, 44, 55]) # index data print(data[0]) print(data[4]) ``` 运行该示例将打印数组中的第一个和最后一个值。 ``` 11 55 ``` 指定对于数组边界而言太大的整数将导致错误。 ``` # simple indexing from numpy import array # define array data = array([11, 22, 33, 44, 55]) # index data print(data[5]) ``` 运行该示例将显示以下错误： ``` IndexError: index 5 is out of bounds for axis 0 with size 5 ``` 一个关键的区别是您可以使用负索引来检索从数组末尾偏移的值。 例如，索引-1 指的是数组中的最后一项。对于当前示例中的第一个项，索引-2 将第二个最后一项返回到-5。 ``` # simple indexing from numpy import array # define array data = array([11, 22, 33, 44, 55]) # index data print(data[-1]) print(data[-5]) ``` 运行该示例将打印数组中的最后一项和第一项。 ``` 55 11 ``` ### 二维索引 索引二维数据类似于索引一维数据，除了使用逗号分隔每个维度的索引。 ``` data[0,0] ``` 这与基于 C 的语言不同，其中每个维度使用单独的括号运算符。 ``` data[0][0] ``` 例如，我们可以访问第一行和第一列，如下所示： ``` # 2d indexing from numpy import array # define array data = array([[11, 22], [33, 44], [55, 66]]) # index data print(data[0,0]) ``` 运行该示例将打印数据集中的第一个项目。 ``` 11 ``` 如果我们对第一行中的所有项目感兴趣，我们可以将第二个维度索引留空，例如： ``` # 2d indexing from numpy import array # define array data = array([[11, 22], [33, 44], [55, 66]]) # index data print(data[0,]) ``` 这将打印第一行数据。 ``` [11 22] ``` ## 3.阵列切片 到现在为止还挺好;创建和索引数组看起来很熟悉。 现在我们来到数组切片，这是一个导致 Python 和 NumPy 数组初学者出现问题的功能。 像列表和 NumPy 数组这样的结构可以被切片。这意味着可以索引和检索结构的子序列。 在指定输入变量和输出变量或从测试行中分割训练行时，这在机器学习中最有用。 使用冒号运算符'：'指定切片，分别在列之前和之后使用来自'的'_ 和'_ 到 _'索引。切片从'from'索引延伸，并在'to'索引之前结束一个项目。_ ``` data[from:to] ``` 让我们通过一些例子来解决。 ### 一维切片 您可以通过指定没有索引的切片'：'来访问数组维度中的所有数据。 ``` # simple slicing from numpy import array # define array data = array([11, 22, 33, 44, 55]) print(data[:]) ``` 运行该示例将打印数组中的所有元素。 ``` [11 22 33 44 55] ``` 可以通过指定从索引 0 开始并在索引 1 结束的切片（“to”索引之前的一个项目）来切片数组的第一项。 ``` # simple slicing from numpy import array # define array data = array([11, 22, 33, 44, 55]) print(data[0:1]) ``` 运行该示例将返回带有第一个元素的子数组。 ``` [11] ``` 我们也可以在切片中使用负索引。例如，我们可以通过在-2 处开始切片（第二个最后一项）并且不指定'to'索引来切片列表中的最后两个项目;将切片带到维度的末尾。 ``` # simple slicing from numpy import array # define array data = array([11, 22, 33, 44, 55]) print(data[-2:]) ``` 运行该示例仅返回包含最后两个项的子数组。 ``` [44 55] ``` ### 二维切片 让我们看看你最有可能在机器学习中使用的二维切片的两个例子。 #### 分割输入和输出功能 通常将加载的数据拆分为输入变量（X）和输出变量（y）。 我们可以通过将所有行和所有列切片到最后一列，然后分别索引最后一列来完成此操作。 对于输入要素，我们可以通过在行索引中指定'：'来选择除最后一行之外的所有行和所有列，并且在列 index 中指定-1。 ``` X = [:, :-1] ``` 对于输出列，我们可以使用'：'再次选择所有行，并通过指定-1 索引仅索引最后一列。 ``` y = [:, -1] ``` 将所有这些放在一起，我们可以将 3 列 2D 数据集分成输入和输出数据，如下所示： ``` # split input and output from numpy import array # define array data = array([[11, 22, 33], [44, 55, 66], [77, 88, 99]]) # separate data X, y = data[:, :-1], data[:, -1] print(X) print(y) ``` 运行该示例将打印分隔的 X 和 y 元素。注意，X 是 2D 阵列，y 是 1D 阵列。 ``` [[11 22] [44 55] [77 88]] [33 66 99] ``` #### 拆分训练和测试行 将加载的数据集拆分为单独的训练和测试集是很常见的。 这是行的分割，其中一些部分将用于训练模型，剩余部分将用于估计训练模型的技能。 这将涉及通过在第二个维度索引中指定“：”来切片所有列。训练数据集将是从开始到分割点的所有行。 ``` dataset train = data[:split, :] ``` 测试数据集将是从拆分点到维度末尾的所有行。 ``` test = data[split:, :] ``` 将所有这些放在一起，我们可以将数据集拆分为 2 的设计分割点。 ``` # split train and test from numpy import array # define array data = array([[11, 22, 33], [44, 55, 66], [77, 88, 99]]) # separate data split = 2 train,test = data[:split,:],data[split:,:] print(train) print(test) ``` 运行该示例选择前两行进行训练，选择最后一行进行测试。 ``` [[11 22 33] [44 55 66]] [[77 88 99]] ``` ## 4.阵列重塑 切片数据后，您可能需要重新整形。 例如，某些库（例如 scikit-learn）可能要求将输出变量（y）的一维数组形成为具有一列的二维数组，并且每列的结果。 一些算法，如 Keras 中的长短期记忆递归神经网络，需要将输入指定为由样本，时间步长和特征组成的三维阵列。 了解如何重塑 NumPy 数组以使您的数据满足特定 Python 库的期望非常重要。我们将看看这两个例子。 ### 数据形状 NumPy 数组具有 shape 属性，该属性返回数组每个维度长度的元组。 例如： ``` # array shape from numpy import array # define array data = array([11, 22, 33, 44, 55]) print(data.shape) ``` 运行该示例会打印一维的元组。 ``` (5,) ``` 对于二维数组，返回具有两个长度的元组。 ``` # array shape from numpy import array # list of data data = [[11, 22], [33, 44], [55, 66]] # array of data data = array(data) print(data.shape) ``` 运行该示例将返回一个包含行数和列数的元组。 ``` (3, 2) ``` 您可以在形状维度中使用数组维度的大小，例如指定参数。 可以像数组一样访问元组的元素，行数为第 0 个索引，列数为第 1 个索引。例如： ``` # array shape from numpy import array # list of data data = [[11, 22], [33, 44], [55, 66]] # array of data data = array(data) print('Rows: %d' % data.shape[0]) print('Cols: %d' % data.shape[1]) ``` 运行该示例可访问每个维度的特定大小。 ``` Rows: 3 Cols: 2 ``` ### 重塑 1D 到 2D 阵列 通常需要将一维阵列重塑为具有一列和多个阵列的二维阵列。 NumPy 在 NumPy 数组对象上提供 reshape（）函数，可用于重塑数据。 reshape（）函数采用一个参数来指定数组的新形状。在将一维数组重新整形为具有一列的二维数组的情况下，元组将是第一维（data.shape [0]）的数组形状和第二维的 1。 ``` data = data.reshape((data.shape[0], 1)) ``` 综上所述，我们得到以下工作示例。 ``` # reshape 1D array from numpy import array from numpy import reshape # define array data = array([11, 22, 33, 44, 55]) print(data.shape) # reshape data = data.reshape((data.shape[0], 1)) print(data.shape) ``` 运行该示例将打印一维数组的形状，将数组重新整形为包含 1 列的 5 行，然后打印此新形状。 ``` (5,) (5, 1) ``` ### 重塑 2D 到 3D 阵列 通常需要重新形成二维数据，其中每行表示序列为三维阵列，用于期望一个或多个时间步长和一个或多个特征的多个样本的算法。 一个很好的例子是 Keras 深度学习库中的 [LSTM 递归神经网络](https://keras.io/layers/recurrent/#lstm)模型。 可以直接使用重塑功能，指定新的维度。这是清楚的，其中每个序列具有多个时间步长，每个时间步长具有一个观察（特征）。 我们可以使用数组上 shape 属性的大小来指定样本（行）和列的数量（时间步长），并将要素数量固定为 1。 ``` data.reshape((data.shape[0], data.shape[1], 1)) ``` Putting this all together, we get the following worked example. ``` # reshape 2D array from numpy import array # list of data data = [[11, 22], [33, 44], [55, 66]] # array of data data = array(data) print(data.shape) # reshape data = data.reshape((data.shape[0], data.shape[1], 1)) print(data.shape) ``` 首先运行示例打印 2D 阵列中每个维度的大小，重新整形数组，然后总结新 3D 阵列的形状。 ``` (3, 2) (3, 2, 1) ``` ## 进一步阅读 如果您要深入了解，本节将提供有关该主题的更多资源。 * [Python 非正式介绍](https://docs.python.org/3/tutorial/introduction.html) * [在 NumPy API 中创建数组](https://docs.scipy.org/doc/numpy/user/basics.creation.html) * [NumPy API 中的索引和切片](https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html) * [NumPy API 中的基本索引](https://docs.scipy.org/doc/numpy/user/basics.indexing.html) * [NumPy 形状属性](https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.shape.html) * [NumPy reshape（）函数](https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html) ## 摘要 在本教程中，您了解了如何使用 Python 访问和重塑 NumPy 数组中的数据。 具体来说，你学到了： * 如何将列表数据转换为 NumPy 数组。 * 如何使用 Pythonic 索引和切片访问数据。 * 如何调整数据大小以满足某些机器学习 API 的期望。 你有任何问题吗？ 在下面的评论中提出您的问题，我会尽力回答。