数据集包含数字和分类变量,然后我将其拆分为两部分:
cont_data = data[cont_variables].values
disc_data = data[disc_variables].values
然后我使用sklearn.preprocessing.OneHotEncoder
对分类数据进行编码,然后我尝试将编码的分类数据与数值数据合并:
np.concatenate((cont_data, disc_data_coded), axis=1)
但发生以下错误:
ValueError: all the input arrays must have same number of dimensions
我确保维度的数量相等:
print(cont_data.shape) # (24000, 35)
print(disc_data_coded.shape) # (24000, 26)
最后,我发现cont_data
是numpy array
而
>>> disc_data_coded
<24000x26 sparse matrix of type '<class 'numpy.float64'>'
with 312000 stored elements in Compressed Sparse Row format>
我将sparse
中的参数OneHotEncoder
更改为False
,一切正常。
但问题是,如何在不设置numpy array
的情况下直接合并sparse matrix
与sparse=False
?
答案 0 :(得分:3)
稀疏矩阵不是numpy数组的子类;所以numpy
方法通常不起作用。请改用稀疏函数,例如sparse.vstack
和sparse.hstack
。但是所有输入都必须稀疏。
或者首先使用.toarray()
使稀疏矩阵密集,然后使用np.concatenate
。
您希望结果稀疏还是密集?
In [32]: sparse.vstack((sparse.csr_matrix(np.arange(10)),sparse.csr_matrix(np.on
...: es((3,10)))))
Out[32]:
<4x10 sparse matrix of type '<class 'numpy.float64'>'
with 39 stored elements in Compressed Sparse Row format>
In [33]: np.concatenate((sparse.csr_matrix(np.arange(10)).A,np.ones((3,10))))
Out[33]:
array([[0., 1., 2., 3., 4., 5., 6., 7., 8., 9.],
[1., 1., 1., 1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1., 1., 1., 1., 1., 1.]])