Question

此刻我有点失落。我正确地初始化了一个空的numpy数组，我相信我正在使用np.append函数

Preds = np.empty(shape = (X_test.shape[0],10))

kf = KFold(n = X_train.shape[0], n_folds=10, shuffle = True)

for kf_train, kf_test in kf:

    X_train_kf = X_train.iloc[kf_train]
    Y_train_kf = Y_train.iloc[kf_train]

    dt = tree.DecisionTreeClassifier(max_depth=2)
    dt.fit(X_train_kf, Y_train_kf)
    Preds = np.append(Preds,dt.predict(X_test))

    print Preds

只是一些额外的信息：

X_test的形状为（9649,24）
（跑步后）Preds的形状为（192980，）

在此循环中，Preds的形状应为（9649,10）

非常感谢任何建议。

编辑：这是更新的解决方案

Preds = []
kf = KFold(n = X_train.shape[0], n_folds=20, shuffle = True)

for kf_train, kf_test in kf:

    X_train_kf = X_train.iloc[kf_train]
    Y_train_kf = Y_train.iloc[kf_train]

    dt = tree.DecisionTreeClassifier(max_depth=2)
    dt.fit(X_train_kf, Y_train_kf)
    Preds.append(dt.predict(X_test))

Preds = np.vstack(Preds)

Answer 1

如果newPreds = np.concatenate((Preds, np.zeros((N,10))), axis=0) newPreds = np.concatenate((Preds, np.zeros((9649,N)), axis=1)是（9649,10），那么你可以做两种串联中的一种

np.vstack

第一个产生（9649 + N，10）阵列，第二个产生（9646,10 + N）。

(10,)可用于使第二个数组为2d，即它将(1,10)更改为np.append数组。 alist = [] alist.append(initial_array) for ... alist.append(next_array) result = np.concatenate(alist, axis=?) # vstack, stack, and np.array can be used if dimensions are right采用2个参数而不是列表，并确保第二个是数组。将标量添加到1d数组比通用连接更好。

确保您了解阵列的形状和尺寸数。

一个好的选择是附加到列表

Folder\Another Folder\MyAndroidProjects\...

追加到列表，最后是一个连接，比重复连接要快。列表旨在便宜地增长;通过创建一个新的更大的数组来增加数组。

for循环期间附加numpy数组的问题

1 个答案: