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
Por supuesto, la forma de las columnas X e Y son diferentes:
print(X.shape)
(13807, 18)
print(Y.shape)
(13807, 19)
Intento reducir en 1 numero, la forma del array X
de esta forma:
f1_f2 = np.array(list(zip(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, la matriz f1_f2
es diferente de otras matrices, y cuando intento ubicar 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.
Creo que como mi matriz X
era así, con una tupla representando el valor de f1_f2:
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]]
Entonces, acorde a esta respuesta el arreglo o matriz debe ser construido con una secuencia lógica y ...
Falla porque no puede convertir una tupla en un array ...
¿Cómo puedo configurar mis matrices X
e Y
para que tengan el mismo tamaño y la misma secuencia o dimensión sin eliminar ninguna columna?
ACTUALIZACIÓN - Explicando cual es mi objetivo con la pregunta
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 algoritmos de agrupamiento.
Por otra parte,sé que la función de dispersión necesita dos parámetros iterables para el x
puntos de coordenadas, y el y
puntos de coordenadas.
Así que 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 contraparte en Y
tal como lo menciona FJSevilla en el comentario abajo, con su ejemplo de explicación cuando obtento un array en la columna f1_f2 en lugar de floats y por eso el error de:
ValueError: setting an array element with a sequence.
¿Cómo puedo ubicar en un diagrama de dispersión la totalidad de mis arreglos X
e Y
, es decir, las 37 columnas que representan en total teniendo en cuenta la inequidad en su número de elementos?