我有一个形状为 (100,10) 的 numpy 数组数据集。每一行都是一个单热编码。我想将其转换为形状为 (100,) 的 nd 数组，以便将每个向量行转换为表示非零索引的索引的整数。有没有使用 numpy 或 tensorflow 的快速方法？
【问题讨论】：
np.argmax() 的东西吗？如果您描述了解码的目的，将会很有帮助。
标签： python numpy tensorflow
您可以使用numpy.argmax 或tf.argmax。示例：
import numpy as np
a = np.array([[0,1,0,0],[1,0,0,0],[0,0,0,1]])
print('np.argmax(a, axis=1): {0}'.format(np.argmax(a, axis=1)))
输出：
np.argmax(a, axis=1): [1 0 3]
您可能还想查看sklearn.preprocessing.LabelBinarizer.inverse_transform。
【讨论】：
正如 Franck Dernoncourt 所指出的，由于 one hot 编码只有一个 1，其余都是 0，因此您可以在此特定示例中使用 argmax。一般来说，如果你想在一个 numpy 数组中找到一个值，你可能会想咨询numpy.where。另外，这个堆栈交换问题：
Is there a NumPy function to return the first index of something in an array?
由于 one-hot 向量是一个全 0 和一个 1 的向量，您可以这样做：
>>> import numpy as np
>>> a = np.array([[0,1,0,0],[1,0,0,0],[0,0,0,1]])
>>> [np.where(r==1)[0][0] for r in a]
[1, 0, 3]
这只是建立一个索引列表，每行为 1。 [0][0] 索引只是为了抛弃 np.where 返回的结构（一个带有数组的元组），这超出了您的要求。
对于任何特定的行，您只想索引到 a。例如，在第 0 行中，1 在索引 1 中找到。
>>> np.where(a[0]==1)[0][0]
1
【讨论】：
只需使用np.argmax(x, axis=1)
例子：
import numpy as np
array = np.array([[0, 1, 0, 0], [0, 0, 0, 1]])
print(np.argmax(array, axis=1))
> [1 3]
【讨论】：
虽然我强烈建议使用 numpy 来提高速度，但mpu.ml.one_hot2indices(one_hots) 展示了如何在没有 numpy 的情况下做到这一点。只需pip install mpu --user --upgrade。
那你就可以了
>>> one_hot2indices([[1, 0], [1, 0], [0, 1]])
[0, 0, 1]
【讨论】：
我在这些情况下所做的就是这样。这个想法是将 one-hot 向量解释为 1,2,3,4,5... 数组的索引。
# Define stuff
import numpy as np
one_hots = np.zeros([100,10])
for k in range(100):
one_hots[k,:] = np.random.permutation([1,0,0,0,0,0,0,0,0,0])
# Finally, the trick
ramp = np.tile(np.arange(0,10),[100,1])
integers = ramp[one_hots==1].ravel()
我更喜欢这个技巧，因为我觉得np.argmax 和其他建议的解决方案可能比索引慢（尽管索引可能会消耗更多内存）
【讨论】：
def int_to_onehot(n, n_classes):
v = [0] * n_classes
v[n] = 1
return v
def onehot_to_int(v):
return v.index(1)
>>> v = int_to_onehot(2, 5)
>>> v
[0, 0, 1, 0, 0]
>>> i = onehot_to_int(v)
>>> i
2
【讨论】：
onehot_to_int 仅适用于列表，不适用于多维数组。
你可以使用这个简单的代码：
a=[[0,0,0,0,0,1,0,0,0,0]]
j=0
for i in a[0]:
if i==1:
print(j)
else:
j+=1
5
【讨论】：