给定一个一维下标数组:
a = array([1, 0, 3])
我想把它编码成一个2D数组:
b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])
给定一个一维下标数组:
a = array([1, 0, 3])
我想把它编码成一个2D数组:
b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])
当前回答
这种类型的编码通常是numpy数组的一部分。如果你使用numpy数组,像这样:
a = np.array([1,0,3])
然后有一个非常简单的方法将其转换为1-hot编码
out = (np.arange(4) == a[:,None]).astype(np.float32)
就是这样。
其他回答
这种类型的编码通常是numpy数组的一部分。如果你使用numpy数组,像这样:
a = np.array([1,0,3])
然后有一个非常简单的方法将其转换为1-hot编码
out = (np.arange(4) == a[:,None]).astype(np.float32)
就是这样。
创建一个有足够列的零数组b,即a.max() + 1。 然后,对于每一行i,设置第a[i]列为1。
>>> a = np.array([1, 0, 3])
>>> b = np.zeros((a.size, a.max() + 1))
>>> b[np.arange(a.size), a] = 1
>>> b
array([[ 0., 1., 0., 0.],
[ 1., 0., 0., 0.],
[ 0., 0., 0., 1.]])
对于1-hot-encoding
one_hot_encode=pandas.get_dummies(array)
例如
享受编码
使用下面的代码。这样效果最好。
def one_hot_encode(x):
"""
argument
- x: a list of labels
return
- one hot encoding matrix (number of labels, number of class)
"""
encoded = np.zeros((len(x), 10))
for idx, val in enumerate(x):
encoded[idx][val] = 1
return encoded
在这里找到了p.s.你不需要进入链接。
你可以使用sklearn.预处理。labelbinarizer:
例子:
import sklearn.preprocessing
a = [1,0,3]
label_binarizer = sklearn.preprocessing.LabelBinarizer()
label_binarizer.fit(range(max(a)+1))
b = label_binarizer.transform(a)
print('{0}'.format(b))
输出:
[[0 1 0 0]
[1 0 0 0]
[0 0 0 1]]
除此之外,你可以初始化sklearn.pre - processing. labelbinarizer(),这样transform的输出是稀疏的。