如何将numpy.ndarray的索引重置为所需的索引范围？

Question

当我尝试使用定制的文本数据来拟合keras模型时，出现索引错误。我认为我必须将训练数据集的索引更改为某个索引范围。为此，我尝试了numpy.squeeze和numpy.reshape，但没有得到所需的输出。

较早的帖子：

我在previous post中提出了问题，我意识到必须将numpy数组的索引重置为所需的索引范围。

这是我的原始训练数据集存储在numpy中的方式：

array([[   7, 6968, 1141, ...,    0,    0,    0],
       [2091,  964,  866, ...,    0,    0,    0],
       [ 127,  101, 3546, ...,    0,    0,    0],
       ...,
       [   7, 3056,  184, ...,    0,    0,    0],
       [5040,   55,   56, ...,    0,    0,    0],
       [ 259,  430, 1981, ...,    0,    0,    0]])

这是尺寸信息：

x_train.shape - > (10240, 100)

我的目标是我想将numpy以上数组的索引重置为(10240, 70)，以使我的模型成功运行。我该如何进行深度学习模型配置？有什么方法可以在期望的索引范围内重置numpy数组中训练数据集的索引？有什么主意吗？

Answer 1

numpy.squeeze和numpy.reshape都保留元素数量。将形状为(10240, 100)的numpy数组变成形状为(10240, 70)的唯一方法是通过除掉元素，通过numpy slicing，然后重塑（使用reshape或{ {1}}）。

请注意，盲目切片数据集很可能会破坏它。最好重新构造ML模型以使用原始数据集或研究进行降维的方法。

Answer 2

如果您想从(10240, 100)到(10240,70)，就可以这样做

x_train_new = x_train[:,:70]

并删除30个尺寸。您将丢失这30个维度中的信息，但是从您发布的小示例来看，它们看起来始终为0。