将 2D numpy 数组转换为热编码的 3D numpy 数组，在同一平面上具有相同的值答案

【问题标题】：Convert a 2D numpy array into a hot-encoded 3D numpy array, with same values in the same plane将 2D numpy 数组转换为热编码的 3D numpy 数组，在同一平面上具有相同的值
【发布时间】：2021-07-18 19:31:45
【问题描述】：

假设我有一个 Numpy 数组：

[
  [0, 1, 0],
  [0, 1, 4],
  [2, 0, 0],
]

如何将其转换为“热编码”3D 数组？像这样：

[
  # Group of 0's
  [[1, 0, 1],
   [1, 0, 0],
   [0, 1, 1]],
  # Group of 1's
  [[0, 1, 0],
   [0, 1, 0],
   [0, 0, 0]],
  # Group of 2's
  [[0, 0, 0],
   [0, 0, 0],
   [1, 0, 0]],
  # Group of 3's
  # the group is still here, even though there are no threes
  [[0, 0, 0],
   [0, 0, 0],
   [0, 0, 0]],
  # Group of 4's
  [[0, 0, 0],
   [0, 0, 1],
   [0, 0, 0]]
]

也就是说，我怎样才能将数组中出现的每个数字都“分组”到 3D 矩阵中自己的平面中？如示例所示，即使数字中的“差距”（即3）仍应出现。就我而言，我事先知道数据的范围（范围(0, 6]），这样应该会更容易。

顺便说一句，我需要这个，因为我有一个由数字表示的棋盘，但需要它以这种形式传递到二维卷积神经网络（不同的“通道”用于不同的棋子）。

我见过Convert a 2d matrix to a 3d one hot matrix numpy，但它对每个值都有一个单热编码，这不是我想要的。

【问题讨论】：

标签： python numpy

【解决方案1】：

创建所需的数组（此处为arr.max()+1），然后对其进行整形以与原始数组进行比较：

设置：

arr = np.array([
  [0, 1, 0],
  [0, 1, 4],
  [2, 0, 0],
])

u = np.arange(arr.max()+1)
(u[:,np.newaxis,np.newaxis]==arr).astype(int)

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

       [[0, 1, 0],
        [0, 1, 0],
        [0, 0, 0]],

       [[0, 0, 0],
        [0, 0, 0],
        [1, 0, 0]],

       [[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]],

       [[0, 0, 0],
        [0, 0, 1],
        [0, 0, 0]]])

【讨论】：