Python筛选字符串中数字并重新排列

关注

原创最新推荐文章于 2026-09-02 10:43:46 发布 2.4k 阅读 AI 写同款· GEO 优化 ›

特征选择实战：48小时内从237列业务数据中精准筛选有效特征特征选择是机器学习落地的关键前置环节，本质是在高维业务数据中识别与目标变量存在强相关或因果路径的输入字段。其核心原理并非数学降维，而是通过统计显著性、模型边际贡献或扰动稳定性等机制，实现维度压缩与信息保真。技术价值在于提升模型可解释性、降低过拟合风险、加速训练推理，并支撑业务方参与特征迭代。典型应用场景包括电商推荐、金融风控与IoT故障预测等真实业务线，尤其适用于原始字段繁杂、噪声多、共线性强、需快速交付的工程现场。本文聚焦Feature Selection而非PCA类降维，强调基于互信息、Permutat 阅读详情

data是一个列表，要求提取出其中的数字，并按原规律排列成矩阵

>>> data = [[1, 2, [3, 4]], 5, 6, [7, 8], [1, 3, [6, 7]]]
>>> data
[[1, 2, [3, 4]], 5, 6, [7, 8], [1, 3, [6, 7]]]
>>> str_data = str(data)
>>> filter_digit = []
>>> for i in str_data:
...     if i.isdigit():
...             filter_digit.append(i)
...
>>> filter_digit
['1', '2', '3', '4', '5', '6', '7', '8', '1', '3', '6', '7']
>>> import numpy as np
>>>> arr_data = np.array(filter_digit)
>>> arr_data = np.array(filter_digit).reshape(3,4)
>>> arr_data
array([['1', '2', '3', '4'],
       ['5', '6', '7', '8'],
       ['1', '3', '6', '7']],
      dtype='<U1')