python 可以规范化对象数组吗？

Question

我正在用 python 做机器学习课的作业。我昨天才开始学习Python，所以我不知道Python中使用的实践。

我的部分任务是从 csv（二维数组）加载数据，让我们调用它arr_2d并对其进行标准化。

我在网上找到了sklearn解决numpy方案，但他们期望二维数组作为输入。

加载后我的方法arr_2d是将它们解析为对象数组（data: [HealthRecord]）。

我的解决方案是类似于此的代码（注意：有点伪代码）

result = [] # 2D array of property values

for key in ['age','height','weight',...]:

    tmp = list(map(lambda item: getattr(key, item), data))

    result.append(tmp)

结果现在包含3 * data.length项目，我将使用它sklearn来规范化数组中的单行result，然后将其旋转回来并解析规范化为HealthRecord.

我认为这过于复杂，我希望看到一个选项可以以更简单的方式做到这一点，例如发送[HealthRecord]到sklearn.normalize

下面的代码显示了我的（简化的）加载和解析：

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类是HealthRecord

感谢您提供任何意见或见解。

编辑：拼写错误 sci-learn -> sklearn

Answer 1

你不能。实际上，您正在处理表格数据。python 中用于处理表格数据的标准（如最流行的非标准库）包是pandas，因此您可以执行以下操作：import pandas as pddf = pd.DataFrame([d.__dict__ for d in data])normalized_df = (df-df.mean())/df.std() # example normalization 如果您坚持处理对象数组而不是表，您可以编写一个类来执行所需的转换以缩短符号，例如类似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)上面假设class Person有一个接受参数, ,__init__的函数。heightageweight您还可以尝试通过重载运算符来进一步缩短符号，但除非您正在编写库代码，否则我不明白您为什么要这样做。