数组类型识别、无逗号值数组的表示方法及命名相关技术咨询

数据类型判定 #

• 前两个带array()标识的数值集合都是NumPy ndarray数组：
  • 第一个是二维数组，每个元素是长度为2的一维子数组，对应二维坐标系的x、y坐标，支持双轴可视化
  • 第二个是一维数组，所有元素是单个数值，支持单轴可视化
• 你最后贴出的无逗号分隔的数值集合，本质还是NumPy一维ndarray数组，没有逗号是NumPy打印短数组时的默认格式化输出规则，方便阅读，不属于Python原生列表。

无逗号数值集合的对应名称与含义 #

这段输出是你提供的代码运行后得到的样本到质心的欧氏距离向量，每行的3个数值分别对应单个样本点到[-6,2]、[3,-4]、[-5,10]三个预设质心的欧氏距离。
你贴出的代码逻辑如下：

X, y = make_blobs(n_samples=1500, centers=3, \
n_features=2, random_state=800)
centroids = [[-6,2],[3,-4],[-5,10]]
for x in X[105:110]:
    cl = cdist(x.reshape(1, -1), centroids).squeeze()
    print(cl)

代码通过make_blobs生成1500个2特征、3簇的合成样本，取第105~109共5个样本，用cdist计算每个样本到3个质心的距离后压缩为一维数组打印，就得到了你看到的无逗号的输出结果。

可视化方案 #

所有提到的数值集合都支持用点或线可视化，对应方案如下：

• 二维数组：可在二维平面上用散点（点）表示每个样本的坐标
• 一维数组：可在单轴坐标系用折线（线）展示数值随索引的变化，也可用散点（点）展示数值分布
• 距离向量：如果要展示距离本身，可以用柱状图对比每个样本到三个质心的距离；如果要结合原始特征空间展示，可以把样本和质心都绘制成平面散点，用线段连接样本和对应最近的质心，标注距离值。

内容的提问来源于stack exchange，提问作者user4556432