对scipy.cluster.vq中whiten()函数总结

函数原型

whiten(obs, check_finite=True)

函数功能

我遇到这个函数是在k-means聚类之前，主要作用是去除数据中的冗余信息。

参数介绍

obs: n维数组

// obs : ndarray
obj = x = np.array([[1.9, 2.3, 1.7],
                    [1.5, 2.5, 2.2],
              		[0.8, 0.6, 1.7]])

check_finite : bool, optional
默认为True，主要用来检查数据中是否包含无穷数，True为检查，False不检查。

返回值

这个函数的返回值是一个和obs形状一样的n维数组，它是obs中每一个元素除以自己所在行的标准差后得来。看下面实验代码应该很好理解。

from scipy.cluster.vq import whiten
import numpy as np

x = np.array([[1.9, 2.3, 1.7],
              [1.5, 2.5, 2.2],
              [0.8, 0.6, 1.7]])
x_std = np.std(x, axis=0)
print('x =', x)
print('x_std =', x_std)
y = whiten(x)
print('y =', y)
print('y_std =', x / x_std)

x = [[1.9 2.3 1.7]
 [1.5 2.5 2.2]
 [0.8 0.6 1.7]]
x_std = [0.45460606 0.85244746 0.23570226]
y = [[4.17944278 2.69811351 7.21248917]
 [3.29956009 2.93273208 9.33380951]
 [1.75976538 0.7038557  7.21248917]]
y_std = [[4.17944278 2.69811351 7.21248917]
 [3.29956009 2.93273208 9.33380951]
 [1.75976538 0.7038557  7.21248917]]

遇到的坑

我在k-means之前做 z = whiten(z) 操作，这里 z 是一维的，然后一直报错：

TypeError: 'numpy.float64' object does not support item assignment

后来通过阅读源码，发现如果数据是一维的且每个元素都是相等的，那么就会报错。原因是当数据是一维的，算出来标准差之后保存的变量不是一个数组，是一个np.float64的数，当寻找这个原本应该是数组的变量中值为0的索引时，就会报错，因为一个float64的数哪里来的索引呢。实验如下：

from scipy.cluster.vq import whiten
import numpy as np

x = np.array([1, 1, 1, 1])
x_std = np.std(x, axis=0)
print('x =', x)
y = whiten(x)
print('y =', y)

报错：

Traceback (most recent call last):
x = [1 1 1 1]
  File "E:/share/leetcode/test/script.py", line 7, in <module>
    y = whiten(x)
  File "C:\Users\hj_01\AppData\Local\Programs\Python\Python37\lib\site-packages\scipy\cluster\vq.py", line 136, in whiten
    std_dev[zero_std_mask] = 1.0
TypeError: 'numpy.float64' object does not support item assignment