Tengo los siguients arreglos con algunos datos, y asociados en una lista de la siguiente manera usando zip:
X = np.array(list(zip(f1,f2,f3,f4,f5,f6,f7,f8,f9,
f10,f11,f12,f13,f14,f15,f16,f17,f18)))
print( " ARRAY X" +'\n', X, '\n' )
Y = np.array(list(zip(f19,f20,f21,f22,f23,f24,f25,f26,f27,f28,f29,
f30,f31,f32,f33,f34,f35,f36,f37)))
print( " ARRAY Y" +'\n', Y, '\n' )
Y entonces con esto tengo la siguiente asociación de elementos:
ARRAY X
[[0.27726829 0. 0.70441255 ... 0.17073171 0.53012048 0.39759036]
[0.03315646 0.02175 0.19936204 ... 0.42073171 0.71686747 0.65060241]
[0.28709117 0. 0.15948963 ... 0.41463415 0.3313253 0.38554217]
...
[0.19825924 0. 0.33371671 ... 0.37849168 0.63201559 0.61497241]
[0.19825924 0. 0.33371671 ... 0.37849168 0.63201559 0.61497241]
[0.19825924 0. 0.33371671 ... 0.37849168 0.63201559 0.61497241]]
ARRAY Y
[[0.43902439 0.52258065 0.33774834 ... 0.41975309 0.51315789 0.26060606]
[0.69512195 0.68387097 0.59602649 ... 0.68518519 0.53947368 0.50909091]
[0.67682927 0.66451613 1. ... 0.56790123 0.44736842 0.08484848]
...
[0.64469909 0.65824665 0.5558981 ... 0.6195577 0.5980531 0.44742931]
[0.64469909 0.65824665 0.5558981 ... 0.6195577 0.5980531 0.44742931]
[0.64469909 0.65824665 0.5558981 ... 0.6195577 0.5980531 0.44742931]]
Deseo ubicar en un gráfico de dispersión X e Y, pero obtengo este error:
plt.scatter(X, Y, c='black', s=17)
~/anaconda3/envs/sioma/lib/python3.6/site-packages/matplotlib/axes/_axes.py in scatter(self, x, y, s, c, marker, cmap, norm, vmin, vmax, alpha, linewidths, verts, edgecolors, **kwargs)
4241 y = np.ma.ravel(y)
4242 if x.size != y.size:
-> 4243 raise ValueError("x and y must be the same size")
4244
4245 if s is None:
ValueError: x and y must be the same size
Sé que la función de scatter
necesita dos parámetros iterables x
e y
como puntos de coordenadas. Entonces, con la función zip, agrupo o asocio en X 18 elementos / columnas y en Y 19. Lógicamente necesita que ambos tengan el mismo número de elementos, de modo que un valor de X
tiene su contrapartida en Y
Por supuesto, la forma de las columnas X
e Y
son diferentes:
print(X.shape)
(13807, 18)
print(Y.shape)
(13807, 19)
Mi objetivo
Quiero aplicar el algoritmo de K-Means, e inicialmente, mi objetivo es ubicar en un gráfico de dispersión los puntos del conjunto de datos, que he reunido en las matrices X
e Y
, que suman 37 columnas. Inicialmente, quiero ver en un gráfico de dispersión todos mis puntos de datos para verificar su ubicación antes de aplicar los algoritmos de agrupamiento de datos.
Debido a mi situación particular, intento reducir el número de elementos en mi matriz X
de esta manera, obteniendo f1_f2
Intento reducir en 1 numero, la forma del array X
de esta forma:
f1_f2 = np.array(list(zip(f1,f2)))
# I put here f1_f2
X = np.array(list(zip(f1_f2,f3,f4,f5,f6,f7,f8,f9,f10,
f11,f12,f13,f14,f15,f16,f17,f18,f19)))
Y = np.array(list(zip(f20,f21,f22,f23,f24,f25,f26,f27,
f28,f29,f30,f31,f32,f33,f34,f35,f36,f37)))
... Pero ... por supuesto el array f1_f2
es diferente de mis otros f
i arrays, porque f1_f2
es una columna que contiene arrays en lugar de floats (como mis otras f
i columnas) y esas matrices son el resultado de agrupar dos columnas en una.
Tal como lo menciona FJSevilla en el comentario abajo.
En esta respuesta explican un poco la situación, el arreglo o matriz debe ser construido con una secuencia lógica y ...
Fail, can't convert a tuple into a numpy array element ...
print( " ARRAY X" +'\n', X, '\n' )
ARRAY X
# ------- TUPLE ?--------
[[array([0.27726829, 0. ]) 0.7044125465178095 0.08053691275000001
... 0.5301204819277109 0.3975903614457832 0.4390243902439024]
[array([0.03315646, 0.02175 ]) 0.19936204146730474 0.11162790698333333
... 0.7168674698795181 0.6506024096385544 0.6951219512195121]
[array([0.28709117, 0. ]) 0.1594896331738438 0.08988764045 ...
0.3313253012048193 0.3855421686746988 0.6768292682926829]
...
[array([0.19825924, 0. ]) 0.3337167140951549 0.030059729580028987
... 0.6320155908754577 0.6149724073440681 0.6446990878406867]
[array([0.19825924, 0. ]) 0.3337167140951549 0.030059729580028987
... 0.6320155908754577 0.6149724073440681 0.6446990878406867]
[array([0.19825924, 0. ]) 0.3337167140951549 0.030059729580028987
... 0.6320155908754577 0.6149724073440681 0.6446990878406867]]
Luego, por razones obvias, cuando intento trazar los valores, obtengo este error
plt.scatter(X, Y, c='black', s=17)
~/anaconda3/envs/sioma/lib/python3.6/site-packages/numpy/core/numeric.py
in asanyarray(a, dtype, order)
542
543 """
--> 544 return array(a, dtype, copy=False, order=order, subok=True)
545
546
ValueError: setting an array element with a sequence.
¿Cómo puedo ubicar en un diagrama de dispersión la totalidad de mis arrays X
e Y
, es decir, las 37 columnas que representan en total?
Sé que debería encontrar una forma de que las matrices X
e Y
tengan el mismo número de elementos, pero en este momento lo ignoro. Mi deseo es mostrar todos mis datos en la gráfica de dispersión antes de encontrar algunos grupos de datos o agrupamiento.
Lo que quiero es mostrar los datos asi de esta forma, solo que aquí estoy suprimiendo el array f37
en Y
para poder que X e Y tengan igual número de elementos:
X = np.array(list(zip(f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f11,f12,f13,f14,f15,f16,f17,f18)))
Y = np.array(list(zip(f19,f20,f21,f22,f23,f24,f25,f26,f27,f28,f29,f30,f31,f32,f33,f34,f35,f36,))) # solo llega hasta f36
Y el gráfico es este:
plt.scatter(X, Y, c='black', s=17)
Aca me falta una columna o array de datos f37
, que es importante de tener en cuenta.
scatter
necesita dos iterables uno con los valores de las coordenadas x y otro con las coordenadas y de los puntos. Lógicamente necesita que ambos tengan el mismo número de elementos de forma que un valor deX
tenga su homólogo enY
. En el segundo caso lo que tienes es una columna que contiene arrays en vez de floats, y esos arrays son el resultado de agrupar dos columnas en una, el problema es que con esto un puntos quedaría definido por ejemplo conx = 4.445
,y = array([0.27726829, 0. ])
... Por eso el segundo error.