如何将SQLite导出元组生成的一维NumPy数组转为二维矩阵供Keras使用

你操作失败的核心原因是你生成的是带命名字段的NumPy结构化数组，而非普通的二维同质数值数组：

• 结构化数组本质是一维数组，每个元素对应你从数据库取出的一行记录，包含12个不同类型的命名字段，所以直接用二维索引语法arr[:, 列号]会报错
• 结构化数组的size属性统计的是外层元素的总数，也就是你的数据行数（7826行），并非所有字段的总数值个数，所以调用np.reshape(arr,(12,len(arr)))时，系统会判断12*7826=93912远大于数组总size 7826，直接抛出维度不匹配错误。

方法一：直接基于结构化数组的字段索引提取特征 #

不需要转换数组格式，直接按你定义的dtype字段名提取对应列即可：

# 提取第1-5列（对应100-1到100-5字段）作为第一个输入，形状为(样本数, 5)
input_1 = arr[["100-1", "100-2", "100-3", "100-4", "100-5"]].view(int).reshape(len(arr), 5)
# 提取第6-10列（对应200-1到200-5字段）作为第二个输入，形状为(样本数, 5)
input_2 = arr[["200-1", "200-2", "200-3", "200-4", "200-5"]].view(int).reshape(len(arr), 5)
# 如需标签可单独提取sideWon字段
label = arr["sideWon"]

这里的view(int)是将提取的结构化子数组转换为普通的int类型数组，再通过reshape调整为二维格式，可直接输入Keras模型。

方法二：转换为普通二维数组后按列号索引 #

如果你更习惯用数字索引列，可以先将数值字段统一转换为普通二维数组：

# 排除第一列字符串类型的matchId，提取所有11个数值字段转换为二维数组
numeric_arr = arr[list(dataType.names[1:])].view(int).reshape(len(arr), -1)
# 现在numeric_arr的形状为(7826, 11)，支持你熟悉的二维索引语法
input_1 = numeric_arr[:, :5] # 第0-4列对应原数据的第1-5列
input_2 = numeric_arr[:, 5:10] # 第5-9列对应原数据的第6-10列
label = numeric_arr[:, 10]

内容的提问来源于stack exchange，提问作者Michael Ngo