вложенными Python Numpy массивы размерности путаница

Question

Предположим, что у меня есть NumPy массив c построен следующим образом:

a = np.zeros((2,4)) 
b = np.zeros((2,8)) 
c = np.array([a,b]) 

я ожидал бы c.shape быть (2,1) или (2,), но вместо этого он (2,2). Кроме того, что я хочу сделать, это сцепить вектор-столбец из единиц на a, но доступ к нему через c следующим образом:

c0 = c[0] # I would have expected this to be 'a' 
np.concatenate((np.ones((c0.shape[0], 1)), c0), axis=1) 

Это, конечно, не работает, потому что c[0] не равна a, как я ожидается, и я получаю

ValueError: all the input arrays must have same number of dimensions 

мне нужен какой-то способ, чтобы иметь массив (или список) пар, каждый компонент пары будучи в Numpy массив, и мне нужно, чтобы получить доступ к первому массив в паре, чтобы сцепить вектор столбца единиц к нему. Мое приложение - машинное обучение, и мои данные будут поступать ко мне в описанном формате, но мне нужно изменить данные в начале, чтобы добавить к нему элемент смещения.

EDIT: Я использую Python 2.7 и Numpy 1.8.2

Answer 1

Как правило, вложенные массивы NumPy массивов NumPy не очень полезны. Если вы используете NumPy для скорости, обычно лучше придерживаться массивов NumPy с однородным базовым цифровым типом.

Чтобы разместить два элемента в структуре данных, такие, что c[0] возвращает первый элемент, и c[1] второго, список (или кортеж), такие как c = [a, b] будет делать.

---

Кстати, если вы используете statemodels пакет, то вы можете добавить постоянную колонку с sm.add_constant:

import numpy as np 
import statsmodels.api as sm 

a = np.random.randint(10, size=(2,4)) 
print(a) 
# [[2 3 9 6] 
# [0 2 1 1]] 
print(sm.add_constant(a)) 
[[ 1. 2. 3. 9. 6.] 
[ 1. 0. 2. 1. 1.]] 

Однако обратите внимание, что не если a уже содержит постоянную колонку, без дополнительной колонки добавлен:

In [126]: sm.add_constant(np.zeros((2,4))) 
Out[126]: 
array([[ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.]]) 

Answer 2

Я считаю, что вы хотите использовать hstack:

a = np.zeros((2,4)) # 4 column vectors of length 2 
b = np.ones((2,1)) # 1 column vector of length 2 

c = np.hstack((a, b)) 
print c 
# [[ 0. 0. 0. 0. 1.] 
# [ 0. 0. 0. 0. 1.]] 

Что касается проблемы конкатенации ваш a и b: Это не может быть сделано очевидным образом. Конкатенация означает укладку поверх друг друга в дополнительном измерении. Ваши данные не подходят друг другу, хотя ...