使用Lambda表达式操作NumPy数组：训练标签填充及to_categorical报错问题

嘿，我懂你遇到的问题了——想用生成式快速生成重复的标签数组，结果传给keras.utils.to_categorical时报错，这是因为你写的生成式返回的结构和NumPy、Keras期望的不一样。

为什么你的代码不行？ #

你写的np.array([k]*size for k, size in enumerate(train_sizes))，其实是把每个[k]*size作为独立的元素传入NumPy，最终得到的是一个object类型的数组（里面每个元素是一个小数组），类似这样：

array([array([0, 0, 0]), array([1, 1, 1])], dtype=object)

而to_categorical需要的是一维整数数组（或者形状为(n_samples, 1)的二维数组），这种嵌套的object数组它没法处理，所以触发了TypeError。

正确的实现方式 #

这里有两种简单高效的方法可以得到你想要的结果：

方法1：用嵌套列表推导式展开成扁平列表

先把所有标签元素展开成一个扁平的列表，再转成NumPy数组，最后按需reshape成列向量：

# 假设train_sizes是类似[3, 3]的列表
train_labels = np.array([k for k, size in enumerate(train_sizes) for _ in range(size)])
# 转成你要的列向量形式
train_labels = train_labels.reshape(-1, 1)

这样得到的就是标准的二维整数数组，完全符合to_categorical的要求。

方法2：用NumPy的repeat函数（更简洁高效）

NumPy自带的np.repeat可以直接实现“重复指定次数”的需求，代码更简洁，性能也更好：

train_labels = np.repeat(np.arange(len(train_sizes)), train_sizes).reshape(-1, 1)

np.arange(len(train_sizes))生成标签索引（比如0,1），np.repeat会把每个索引对应重复train_sizes里的次数，最后reshape成列向量就搞定了。

验证效果 #

当train_sizes = [3,3]时，两种方法都会得到：

array([[0],
       [0],
       [0],
       [1],
       [1],
       [1]])

这时再传给keras.utils.to_categorical(train_labels, num_classes=class_size)就不会报错啦。

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