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
对于1-hot-encoding
one_hot_encode=pandas.get_dummies(array)
例如
享受编码
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。
我最近遇到了一个类似的问题,发现只有当你的数字符合特定的形式时,答案才令人满意。例如,如果你想单热编码以下列表:
all_good_list = [0,1,2,3,4]
继续吧,上面已经提到了发布的解决方案。但如果考虑到这些数据:
problematic_list = [0,23,12,89,10]
如果使用上面提到的方法,最后可能会得到90个单一热列。这是因为所有答案都包含n = np.max(a)+1。我找到了一个更通用的解决方案,想和你们分享:
import numpy as np
import sklearn
sklb = sklearn.preprocessing.LabelBinarizer()
a = np.asarray([1,2,44,3,2])
n = np.unique(a)
sklb.fit(n)
b = sklb.transform(a)
我希望有人遇到上述解决方案的相同限制,这可能会派上用场
如果使用tensorflow,则存在one_hot():
import tensorflow as tf
import numpy as np
a = np.array([1, 0, 3])
depth = 4
b = tf.one_hot(a, depth)
# <tf.Tensor: shape=(3, 3), dtype=float32, numpy=
# array([[0., 1., 0.],
# [1., 0., 0.],
# [0., 0., 0.]], dtype=float32)>
你可以使用下面的代码转换成一个热向量:
设x是普通的类向量,它只有一个列,从0到某个数:
import numpy as np
np.eye(x.max()+1)[x]
如果0不是一个类;然后移除+1。
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.]])