Question

我正在使用以下代码的机器学习上this tutorial：

import pandas as pd
from sklearn.model_selection import train_test_split
df = pd.read_csv('breast-cancer-wisconsin.data.csv')
df.replace('?', -99999, inplace = True)
df.drop(['id'], 1, inplace = True)
X = np.array(df.drop(['class'], 1))
y = np.array(df['class'])

X_train, X_test, y_test, y_train = train_test_split(X, y)

以下是csv文件中的示例：

id,clump_thickness,unif_cell_size,unif_cell_shape, marg_adhesion,
single_epith_cell_size,bare_nuclei,bland_chrom,norm_nucleoli, mitoses,class
    1000025,5,1,1,1,2,1,3,1,1,2
    1002945,5,4,4,5,7,10,3,2,1,2
    1015425,3,1,1,1,2,2,3,1,1,2
    1016277,6,8,8,1,3,4,3,7,1,2
    1017023,4,1,1,3,2,1,3,1,1,2
    1017122,8,10,10,8,7,10,9,7,1,4
    1018099,1,1,1,1,2,10,3,1,1,2
    1018561,2,1,2,1,2,1,3,1,1,2
    1033078,2,1,1,1,2,1,1,1,5,2
    1033078,4,2,1,1,2,1,2,1,1,2
    1035283,1,1,1,1,1,1,3,1,1,2
    1036172,2,1,1,1,2,1,2,1,1,2
    1041801,5,3,3,3,2,3,4,4,1,4
    1043999,1,1,1,1,2,3,3,1,1,2
    1044572,8,7,5,10,7,9,5,5,4,4
    1047630,7,4,6,4,6,1,4,3,1,4
    1048672,4,1,1,1,2,1,2,1,1,2
    1049815,4,1,1,1,2,1,3,1,1,2
    1050670,10,7,7,6,4,10,4,1,2,4
    1050718,6,1,1,1,2,1,3,1,1,2
    1054590,7,3,2,10,5,10,5,4,4,4
    1054593,10,5,5,3,6,7,7,10,1,4
    1056784,3,1,1,1,2,1,2,1,1,2
    1057013,8,4,5,1,2,?,7,3,1,4
    1059552,1,1,1,1,2,1,3,1,1,2
    1065726,5,2,3,4,2,7,3,6,1,4
    1066373,3,2,1,1,1,1,2,1,1,2

查看sklearn.model_selection.train_test_split的结果时，我发现有些奇怪（至少对我而言）。如果我跑

    print(type(y_test[0]))
    print()
    print(type(X_train[:,1][0]))

我得到以下输出：

<class 'numpy.int64'>
<class 'int'>

以某种方式X_train中的值是int类型，而y_test中的值是numpy.int64类型。我不知道为什么train_test_split会这样做-我认为这与正在拆分的数据无关-documentation似乎也没有提及。

由于我也希望y_test中的值也为正整数，因此我尝试使用y_test更改astype()的类型。不幸的是，以下代码

y_test = y_test.astype(int)
print(type(y_test[0]))

返回

<class 'numpy.int64'>

问题：：为什么train_test_split返回包含具有不同数据类型的值的数组？为什么我无法将y_test中的值转换为整数？

编辑：类型差异是由数据引起的。如果我跑

 print(type(X[:,1][0]))
 print(type(y[0]))

我明白了

<class 'int'>
<class 'numpy.int64'>

我仍然想知道为什么astype无法使用！：）

Answer 1

要将numpy值转换为python类型，请使用numpy.ndarray.item

y_test_int = [v.item() for v in y_test]
print(type(y_test_int[0]))
#<class 'int'>

更改sklearn.model_selection.train_test_split导致的数组中值的类型

1 个答案: