Unindo arrays

Parte da seção Dados e gráficos do Journey de Machine Learning da Coddy. Lição 17 de 60.

Um museu contou os visitantes em três manhãs e, depois, em duas noites. np.concatenate concatena arrays ponta a ponta:

Cinco células em uma linha: as contagens da manhã 12, 15, 19 seguidas pelas contagens da noite 20, 18

O código:

morning = np.array([12, 15, 19])
evening = np.array([20, 18])
print(np.concatenate([morning, evening]))

Isso imprime [12 15 19 20 18]. Um modelo precisa de outra coisa: uma linha por amostra, uma coluna por característica. np.column_stack coloca os arrays lado a lado como colunas:

Uma tabela com 3 apartamentos em 2 colunas: tamanhos 45, 60, 82 ao lado dos aluguéis 900, 1200, 1500, um apartamento por linha

No código:

sizes = np.array([45, 60, 82])
rents = np.array([900, 1200, 1500])
table = np.column_stack([sizes, rents])
print(table.shape)

Isso imprime (3, 2). Cada linha recebe um valor de cada array, então seus comprimentos devem ser iguais.

Desafio

Fácil

Um estudo precisa de uma única tabela de pessoas: idade na primeira coluna, horas diárias de tela na segunda, grupo 1 primeiro. O código de um colega para com um erro e, depois que ele é corrigido, a tabela ainda sai errada.

Corrija as três linhas que constroem ages, hours e table. Mantenha as duas últimas linhas como estão.

Para um estudo menor, com três pessoas, o programa corrigido imprime:

[[30  5]
 [28  8]
 [62  2]]
People: 3, measurements each: 2

Experimente você mesmo

import numpy as np

# Primeiro grupo: idade de cada pessoa e tempo diário de tela em horas
ages_1 = np.array([23, 35, 41])
hours_1 = np.array([6, 4, 3])
# Segundo grupo
ages_2 = np.array([19, 52])
hours_2 = np.array([7, 2])

# O estudo precisa de uma linha por pessoa: idade, depois horas. Corrija as linhas abaixo
ages = np.concatenate([ages_1, ages_2])
hours = np.concatenate(hours_1, hours_2)
table = np.concatenate([ages, hours])

# Não altere as linhas abaixo
print(table)
print(f"People: {table.shape[0]}, measurements each: {table.shape[1]}")