我正在用 python 做機器學習課的作業。我昨天才開始學習Python，所以我不知道Python中使用的實踐。我的部分任務是從 csv（二維數組）加載數據，讓我們調用它arr_2d并對其進行標準化。我在網上找到了sklearn解決numpy方案，但他們期望二維數組作為輸入。加載后我的方法arr_2d是將它們解析為對象數組（data: [HealthRecord]）。我的解決方案是類似于此的代碼（注意：有點偽代碼）result = [] # 2D array of property valuesfor key in ['age','height','weight',...]: tmp = list(map(lambda item: getattr(key, item), data)) result.append(tmp)結果現在包含3 * data.length項目，我將使用它sklearn來規范化數組中的單行result，然后將其旋轉回來并解析規范化為HealthRecord.我認為這過于復雜，我希望看到一個選項可以以更簡單的方式做到這一點，例如發送[HealthRecord]到sklearn.normalize下面的代碼顯示了我的（簡化的）加載和解析：class Person: age: int height: int weight: int def arr_2_obj(data: [[]]) -> Person: person = Person() person.age = data[0] person.height = data[1] person.weight = data[2] return person# age (days), height (cm), weight (kg)input = [ [60*365, 125, 65], [30*365, 195, 125], [13*365, 116, 53], [16*365, 164, 84], [12*365, 125, 96], [10*365, 90, 46], ]parsed = []for row in input: parsed.append(arr_2_obj(row)) 注意：Person類是HealthRecord感謝您提供任何意見或見解。編輯：拼寫錯誤 sci-learn -> sklearn
1 回答
慕尼黑8549860
TA貢獻1818條經驗 獲得超11個贊
你不能。實際上，您正在處理表格數據。python 中用于處理表格數據的標準（如最流行的非標準庫）包是pandas，因此您可以執行以下操作：
import pandas as pd
df = pd.DataFrame([d.__dict__ for d in data])
normalized_df = (df-df.mean())/df.std() # example normalization
如果您堅持處理對象數組而不是表，您可以編寫一個類來執行所需的轉換以縮短符號，例如類似
class ObjectList:
def __init__(self, object_type, records):
self.objects = [object_type(**record) for record in records]
def to_data_frame(self):
return pd.DataFrame([d.__dict__ for d in self.objects])
class PersonList(ObjectList):
def __init__(self, records):
super().__init__(Person, records)
上面假設class Person有一個接受參數, ,__init__的函數。heightageweight
您還可以嘗試通過重載運算符來進一步縮短符號，但除非您正在編寫庫代碼，否則我不明白您為什么要這樣做。
添加回答
舉報
0/150
提交
取消