创建具有标量特征和 N 维坐标向量特征的机器学习 Numpy 数组

我正在尝试为 ML 程序格式化我的数据。有 33,000 个事件，每个事件有 3 个我想考虑的东西：质量、能量、坐标。

质量的形状为 (33000,)，看起来像： [188.9 189.0 125.7 ... 127.4 201.0 210.1] 。 能量也是 (33000,) 并且看起来相同：[1 2 3 ... 8 9 10]。然后，我还有一个形状为 (33000,10) 的 10 维坐标向量

每个坐标都是包含 10 个坐标点的 10 维向量：

坐标数组：

    [[19.9 613.0 6.5 127.4 486.4 54.3 194.0 19.4 194.0 32.3]
    [1.89 1.01 4.9 ... 2.3 2.3 2.3]
    [1.2 6.1 4.0 ... 1.7 1.7 1.7]
    ...
    ]

我想将它们输入机器学习程序。但是，我不想创建一个将 10 维坐标压缩为一组平面浮点值的数组，如下所示：

  [188.9 1 19.9 613.0 6.5 127.4 486.4 54.3 194.0 19.4 194.0 32.3\]
  [189.0 2 1.89 1.01 4.9 ... 2.3 2.3 2.3\]
  ...

这会丢失最后 10 个值本质上联系在一起的信息，因为它们是一个坐标。相反，我想创建一个在数组中间有一个向量的 numpy 数组

  [188.9 1 [19.9 613.0 6.5 127.4 486.4 54.3 194.0 19.4 194.0 32.3]]
  [189.0 2 [1.89 1.01 4.9 ... 2.3 2.3 2.3]]
  ...

这样机器学习程序就知道将坐标向量视为它自己的特征，而不是一组不同的特征。所以实际的形状可能是 (33000,3) 而不是 (33000,13) 这可能吗？

我尝试过 dstack、concatenate、stack 等。所有这些都存在“轴必须完全匹配”的问题。 就我而言，轴不匹配。一个特征的轴为 10，而其他特征要么没有轴 (33000,)，要么只有 1 个轴 (33000,1)（如果强制它有轴）。我不确定是否缺少一个 numpy 数组事实，或者这是否不可能。

不能拥有具有不同大小元素的 numpy 数组，想要达成的目标是创建一个数据结构，其中每个事件都是一个列表，并且列表中的每个元素都是特征。

可以使用列表推导来实现这一点：

import numpy as np

mass = np.array([188.9, 189.0, 125.7, 127.4, 201.0, 210.1])
energy = np.array([1, 2, 3, 8, 9, 10])
coordinates = np.array([
    [19.9, 613.0, 6.5, 127.4, 486.4, 54.3, 194.0, 19.4, 194.0, 32.3],
    [1.89, 1.01, 4.9, 2.3, 2.3, 2.3, 1.2, 3.4, 5.6, 7.8],
    [1.2, 6.1, 4.0, 1.7, 1.7, 1.7, 2.1, 4.3, 6.5, 8.7],
    [1.2, 6.1, 4.0, 1.7, 1.7, 1.7, 2.1, 4.3, 6.5, 8.7],
    [1.2, 6.1, 4.0, 1.7, 1.7, 1.7, 2.1, 4.3, 6.5, 8.7],
    [1.2, 6.1, 4.0, 1.7, 1.7, 1.7, 2.1, 4.3, 6.5, 8.7]
])

# 创建一个包含所有事件的列表
events = [
    [mass[i], energy[i], coordinates[i]] for i in range(len(mass))
]

print(events)

这将为提供一个列表，其中每个事件都被表示为一个三元素列表，其中包含质量、能量和坐标向量：

[[188.9, 1, array([ 19.9, 613. ,   6.5, 127.4, 486.4,  54.3, 194. ,  19.4, 194. , 32.3])],
 [189.0, 2, array([1.89, 1.01, 4.9 , 2.3 , 2.3 , 2.3 , 1.2 , 3.4 , 5.6 , 7.8 ])],
 [125.7, 3, array([1.2, 6.1, 4. , 1.7, 1.7, 1.7, 2.1, 4.3, 6.5, 8.7])],
 [127.4, 8, array([1.2, 6.1, 4. , 1.7, 1.7, 1.7, 2.1, 4.3, 6.5, 8.7])],
 [201.0, 9, array([1.2, 6.1, 4. , 1.7, 1.7, 1.7, 2.1, 4.3, 6.5, 8.7])],
 [210.1, 10, array([1.2, 6.1, 4. , 1.7, 1.7, 1.7, 2.1, 4.3, 6.5, 8.7])]]

此表示形式保留了坐标向量的结构，并且大多数机器学习库可以轻松处理此类数据。 可以轻松地将其传递给机器学习模型。