python - 在 Numpy 中计算每个类的非零条目数

Question

我正在研究《Python 机器学习简介》一书中的朴素贝叶斯分类器示例，并且正在努力理解以下代码示例的机制:

import numpy as np

X = np.array([[0,1,0,1],
              [1,0,1,1],
              [0,0,0,1],
              [1,0,1,0]])

y = np.array([0,1,0,1])

print(X)
print('\n')
print(y)
print('\n')

counts = {}

for label in np.unique(y):
    print(label,'\n')
    counts[label] = X[y == label].sum(axis=0)
    print(counts[label],'\n')

print('Feature counts:\n{}'.format(counts))

代码输出:

[[0 1 0 1]
 [1 0 1 1]
 [0 0 0 1]
 [1 0 1 0]]


[0 1 0 1]


0 

[0 1 0 2] 

1 

[2 0 2 1] 

Feature counts:
{0: array([0, 1, 0, 2]), 1: array([2, 0, 2, 1])}

我不明白每个类(0 和 1)的数组是如何填充的。

我的理解是 sum(axis=0) 意味着对矩阵的一列求和。因此，对于“0”标签(又名类)，我在矩阵“X”中计算以下内容:

第一列有 2 个零，第二列有 3 个零，第三列有 2 个零，第四列有 1 个零

鉴于代码输出，我的理解显然不正确。

Answer 1

您可以从代码线的内部开始

X[y == label].sum(axis=0)

让我们看一下label==0的情况。然后

y == label
# results in
[ True False  True False]

使用这个包含 4 个条目的 bool 列表来索引 X 将因此选择 X 中的第一行和第三行，

[[0 1 0 1]   # True
 [1 0 1 1]   # False
 [0 0 0 1]   # True
 [1 0 1 0]]  # False

X[y == label]
#results in
[[0 1 0 1]
 [0 0 0 1]]

现在你沿着这个 2x4 数组的列方向求和

X[y == label].sum(axis=0)
# results in
[0 1 0 2]

我在这里猜测，但您可能想要做的是创建一个 X 本身的 bool 数组，并对它的列求和。

counts[label] = (X == label).sum(axis=0)

使用此行运行代码将产生

# for label == 0
[2 3 2 1] 
# for label == 1
[2 1 2 3]