如果你想知道这个numpy数组是如何创建的，请查看以下问题

• 如何向collection.Counter添加项目？然后将它们按升序排序？
• Porter词干提取算法在修改为函数后未返回预期输出？

假设我有一个numpy数组，看起来像这样（由这个预处理创建，该数组也被numpy随机打乱）

[[ 3  2  2 ...,  0  0  0] [14  1  0 ...,  0  0  0] [ 3  2  1 ...,  0  0  0] ...,  [ 1  1  1 ...,  0  0  0] [ 2  2  2 ...,  0  0  0] [ 1  1  0 ...,  0  0  0]]

我了解数据量很大，它包含600封电子邮件（每封邮件大约包含2000个单词），并对每封邮件中来自互联网的196个常见垃圾邮件单词进行了统计。

我想在Stephen Marsland的K-Means神经网络中使用它，该网络在注释中指出"如果数据中包含(0,0,...0)，则无法工作"，但我不确定这条注释指的是什么？（我以为...符号与数学中的1...n相同，即1和n之间有东西）。如果它意味着其他东西，我应该如何处理无效除法问题？谢谢！

我不确定，但我的数据集中有什么东西导致了这个错误

RuntimeWarning: invalid value encountered in divide data = transpose(transpose(data)/normalisers)

回答：

...,只是表示数据量太大，无法一次性打印到控制台。我认为你链接的代码中的注释意味着，如果你的数据中包含任何全零向量，预处理将无法工作。

如果你的数据中有任何全零特征向量，以下代码将返回True…

np.any(data.sum(1) == 0)

…假设你的行是数据示例，你的列是特征。

这是发生的情况：

>>> from numpy import *>>> data = array([[0,0,0],[1,2,3],[1,0,1]])>>> normalisers = sqrt(sum(data**2,axis=1))*ones((1,shape(data)[0]))>>> normalisersarray([[ 0.        ,  3.74165739,  1.41421356]])

然后你就在除以零了。

>>> data = transpose(transpose(data)/normalisers)

一个可能的解决方案是在预处理步骤之前对每个特征加1：

data += 1