ground_truth = np.squeeze（np.asarray（true_labels））

Question

请帮助我理解这一行代码？

squeeze和asarray函数的作用是什么？

在这种方法中，k均值聚类，其中k = 5，并且已经进行了随机初始化。

ground_truth = np.squeeze(np.asarray(true_labels))

非常感谢

Answer 1

如果可以的话，请在将来提供更多特定于该问题的示例代码，以使您从问题中获得的结果更加清晰。 K均值聚类和随机初始化没有明确告诉我们true_labels的值是什么，但我猜测它是一维类别标签数组，因此我将纯粹从您想要理解这些的角度回答事情：

1. np.asarray()在做什么
2. np.squeeze()在做什么
3. 将它们放在一起会发生什么情况。

---

首先，np.asarray()的作用是将可接受的输入（例如列表或元组）转换为numpy数组。示例：

# List to Array
>> list = [1, 2, 3, 4, 5, 6]
>> print(np.asarray(list))
Output: [1 2 3 4 5 6]
# Produces an array of shape (6,)

# Tuple to Array
>> tuple = ([1, 2, 3], [4, 5, 6])
>> print(np.asarray(tuple))
Output: [[1 2 3]
         [4 5 6]]
# This produces an array of shape (2, 3)

现在，我们继续进行np.squeeze()的操作。如果您查看documentation，它说明该函数的描述是：

  

从数组形状中删除一维条目。

这意味着如果有任何多余的尺寸，则将从输出中将其省略。示例：

>> x = np.array([[[0], [1], [2]]])
>> print(x)
Output: [[[0]
          [1]
          [2]]]

>> print(x.shape)
Output: (1, 3, 1)

>> print(np.squeeze(x))
Output: [0 1 2]

>> print(np.squeeze(x).shape)
Output: (3,)

---

现在牢记上面的示例，让我们重新访问原始表达式ground_truth = np.squeeze(np.asarray(true_labels))。

1. 让我们将变量true_labels设为对应于类别的数字列表。
2. true_labels被传递到np.asarray中。返回一个numpy一维数组。
3. 此numpy数组传递到np.squeeze中，如果存在冗余维（例如，从形状（6，1）到形状（6，）），它将删除冗余尺寸。
4. 将压缩的numpy数组分配为变量ground_truth

我希望这可以为您澄清该行中发生的事情。