假设我有一个 1d numpy 数组
a = array([1,0,3])
我想将此编码为 2D one-hot 数组
b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])
有没有快速的方法来做到这一点？比循环 a 来设置 b 的元素更快，也就是说。
【问题讨论】：
标签： python numpy machine-learning numpy-ndarray one-hot-encoding
您的数组a 定义了输出数组中非零元素的列。您还需要定义行，然后使用精美的索引：
>>> 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.]])
【讨论】：
>>> values = [1, 0, 3]
>>> n_values = np.max(values) + 1
>>> np.eye(n_values)[values]
array([[ 0., 1., 0., 0.],
[ 1., 0., 0., 0.],
[ 0., 0., 0., 1.]])
【讨论】：
values 应该是一个 Numpy 数组而不是 Python 列表，然后它适用于所有维度，而不仅仅是一维。
np.max(values) + 1 作为桶数。桶数应该是一个参数，并且可以进行断言/检查以检查每个值是否在 0（包括）和桶数（不包括）内。
numpy 文档）：在原始矩阵 (values) 中的每个位置，我们都有一个整数k，我们将 1-hot 向量 eye(n)[k]“放入”该位置。这增加了一个维度，因为我们将一个向量“放入”了原始矩阵中一个标量的位置。
这是一个将一维向量转换为二维单热数组的函数。
#!/usr/bin/env python
import numpy as np
def convertToOneHot(vector, num_classes=None):
"""
Converts an input 1-D vector of integers into an output
2-D array of one-hot vectors, where an i'th input value
of j will set a '1' in the i'th row, j'th column of the
output array.
Example:
v = np.array((1, 0, 4))
one_hot_v = convertToOneHot(v)
print one_hot_v
[[0 1 0 0 0]
[1 0 0 0 0]
[0 0 0 0 1]]
"""
assert isinstance(vector, np.ndarray)
assert len(vector) > 0
if num_classes is None:
num_classes = np.max(vector)+1
else:
assert num_classes > 0
assert num_classes >= np.max(vector)
result = np.zeros(shape=(len(vector), num_classes))
result[np.arange(len(vector)), vector] = 1
return result.astype(int)
以下是一些用法示例：
>>> a = np.array([1, 0, 3])
>>> convertToOneHot(a)
array([[0, 1, 0, 0],
[1, 0, 0, 0],
[0, 0, 0, 1]])
>>> convertToOneHot(a, num_classes=10)
array([[0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 1, 0, 0, 0, 0, 0, 0]])
【讨论】：
assert 可以检查矢量形状；）。
assert ___ 转换为if not ___ raise Exception(<Reason>)。
我认为简短的回答是否定的。对于n 维度的更通用案例，我想出了这个：
# For 2-dimensional data, 4 values
a = np.array([[0, 1, 2], [3, 2, 1]])
z = np.zeros(list(a.shape) + [4])
z[list(np.indices(z.shape[:-1])) + [a]] = 1
我想知道是否有更好的解决方案——我不喜欢我必须在最后两行创建这些列表。无论如何，我对timeit 进行了一些测量，似乎基于numpy（indices/arange）和迭代版本的性能大致相同。
【讨论】：
你可以使用sklearn.preprocessing.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]]
除其他外，您还可以初始化sklearn.preprocessing.LabelBinarizer()，以便transform 的输出是稀疏的。
【讨论】：
如果您使用的是 keras，则有一个内置实用程序：
from keras.utils.np_utils import to_categorical
categorical_labels = to_categorical(int_labels, num_classes=3)
它的作用与@YXD's answer 几乎相同（参见source-code）。
【讨论】：
这是我根据上面的答案和我自己的用例编写的一个示例函数：
def label_vector_to_one_hot_vector(vector, one_hot_size=10):
"""
Use to convert a column vector to a 'one-hot' matrix
Example:
vector: [[2], [0], [1]]
one_hot_size: 3
returns:
[[ 0., 0., 1.],
[ 1., 0., 0.],
[ 0., 1., 0.]]
Parameters:
vector (np.array): of size (n, 1) to be converted
one_hot_size (int) optional: size of 'one-hot' row vector
Returns:
np.array size (vector.size, one_hot_size): converted to a 'one-hot' matrix
"""
squeezed_vector = np.squeeze(vector, axis=-1)
one_hot = np.zeros((squeezed_vector.size, one_hot_size))
one_hot[np.arange(squeezed_vector.size), squeezed_vector] = 1
return one_hot
label_vector_to_one_hot_vector(vector=[[2], [0], [1]], one_hot_size=3)
【讨论】：
只是为了详细说明K3---rnc中的excellent answer，这里是一个更通用的版本：
def onehottify(x, n=None, dtype=float):
"""1-hot encode x with the max value n (computed from data if n is None)."""
x = np.asarray(x)
n = np.max(x) + 1 if n is None else n
return np.eye(n, dtype=dtype)[x]
另外，这里是这个方法的快速和肮脏的基准测试和来自YXD 的currently accepted answer 的方法（略有变化，因此它们提供相同的API，除了后者仅适用于一维ndarrays） ：
def onehottify_only_1d(x, n=None, dtype=float):
x = np.asarray(x)
n = np.max(x) + 1 if n is None else n
b = np.zeros((len(x), n), dtype=dtype)
b[np.arange(len(x)), x] = 1
return b
后一种方法要快约 35%（MacBook Pro 13 2015），但前者更通用：
>>> import numpy as np
>>> np.random.seed(42)
>>> a = np.random.randint(0, 9, size=(10_000,))
>>> a
array([6, 3, 7, ..., 5, 8, 6])
>>> %timeit onehottify(a, 10)
188 µs ± 5.03 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> %timeit onehottify_only_1d(a, 10)
139 µs ± 2.78 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
【讨论】：
我最近遇到了一个相同类型的问题，并找到了上述解决方案，结果证明只有当你的数字符合特定格式时才会令人满意。例如，如果您想对以下列表进行 one-hot 编码：
all_good_list = [0,1,2,3,4]
继续，上面已经提到了发布的解决方案。但是如果考虑这些数据会怎样：
problematic_list = [0,23,12,89,10]
如果您使用上述方法，您最终可能会得到 90 个 one-hot 列。这是因为所有答案都包含n = np.max(a)+1 之类的内容。我找到了一个对我有用的更通用的解决方案，并希望与您分享：
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)
我希望有人在上述解决方案中遇到相同的限制，这可能会派上用场
【讨论】：
以下是我认为有用的：
def one_hot(a, num_classes):
return np.squeeze(np.eye(num_classes)[a.reshape(-1)])
这里的num_classes 代表您拥有的课程数量。因此，如果您有形状为 (10000,) 的 a 向量，此函数会将其转换为 (10000,C)。请注意，a 是零索引的，即one_hot(np.array([0, 1]), 2) 将给出[[1, 0], [0, 1]]。
正是你想要的，我相信。
【讨论】：
np.eye(num_classes)[a.reshape(-1)]. What you are simply doing is using np.eye 获取（向量 a 的大小）多个热编码数组，您正在为每个类创建一个对角矩阵索引为 1 其余零，然后使用a.reshape(-1) 提供的索引生成与np.eye() 中的索引相对应的输出。我不明白np.sqeeze 的需要，因为我们使用它来简单地删除我们永远不会拥有的单个维度，因为输出的维度将始终是(a_flattened_size, num_classes)
你也可以使用numpy的eye函数：
numpy.eye(number of classes)[vector containing the labels]
【讨论】：
np.identity(num_classes)[indices] 可能会更好。不错的答案！
我正在添加一个简单的函数来完成，只使用 numpy 运算符：
def probs_to_onehot(output_probabilities):
argmax_indices_array = np.argmax(output_probabilities, axis=1)
onehot_output_array = np.eye(np.unique(argmax_indices_array).shape[0])[argmax_indices_array.reshape(-1)]
return onehot_output_array
它以一个概率矩阵作为输入：例如：
[[0.03038822 0.65810204 0.16549407 0.3797123] ... [0.02771272 0.2760752 0.3280924 0.33458805]]
它会返回
[[0 1 0 0] ... [0 0 0 1]]
【讨论】：
这是一个与维度无关的独立解决方案。
这会将任何 N 维数组 arr 的非负整数转换为单热 N+1 维数组 one_hot，其中 one_hot[i_1,...,i_N,c] = 1 表示 arr[i_1,...,i_N] = c。您可以通过np.argmax(one_hot, -1)恢复输入
def expand_integer_grid(arr, n_classes):
"""
:param arr: N dim array of size i_1, ..., i_N
:param n_classes: C
:returns: one-hot N+1 dim array of size i_1, ..., i_N, C
:rtype: ndarray
"""
one_hot = np.zeros(arr.shape + (n_classes,))
axes_ranges = [range(arr.shape[i]) for i in range(arr.ndim)]
flat_grids = [_.ravel() for _ in np.meshgrid(*axes_ranges, indexing='ij')]
one_hot[flat_grids + [arr.ravel()]] = 1
assert((one_hot.sum(-1) == 1).all())
assert(np.allclose(np.argmax(one_hot, -1), arr))
return one_hot
【讨论】：
这种类型的编码通常是 numpy 数组的一部分。如果您使用这样的 numpy 数组：
a = np.array([1,0,3])
那么有一种非常简单的方法可以将其转换为 1-hot 编码
out = (np.arange(4) == a[:,None]).astype(np.float32)
就是这样。
【讨论】：
干净简单的解决方案：
max_elements_i = np.expand_dims(np.argmax(p, axis=1), axis=1)
one_hot = np.zeros(p.shape)
np.put_along_axis(one_hot, max_elements_i, 1, axis=1)
【讨论】：
使用以下代码。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
Found it here P.S 你不需要进入链接。
【讨论】：
您可以使用以下代码转换为 one-hot 向量：
让 x 是具有单列的普通类向量，类别为 0 到某个数字：
import numpy as np
np.eye(x.max()+1)[x]
如果 0 不是一个类；然后删除 +1。
【讨论】：
import numpy as np
a = np.array([1,0,3])
b = np.array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])
from neuraxle.steps.numpy import OneHotEncoder
encoder = OneHotEncoder(nb_columns=4)
b_pred = encoder.transform(a)
assert b_pred == b
【讨论】：
【讨论】：
>>> import numpy as np >>> import pandas >>> a = np.array([1,0,3]) >>> one_hot_encode=pandas.get_dummies(a) >>> print(one_hot_encode) 0 1 3 0 0 1 0 1 1 0 0 2 0 0 1 >>> print(one_hot_encode[1]) 0 1 1 0 2 0 Name: 1, dtype: uint8 >>> print(one_hot_encode[0]) 0 0 1 1 2 0 Name: 0, dtype: uint8 >>> print(one_hot_encode[3]) 0 0 1 0 2 1 Name: 3, dtype: uint8
如果使用tensorflow，则有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)>
【讨论】：
def one_hot(n, class_num, col_wise=True):
a = np.eye(class_num)[n.reshape(-1)]
return a.T if col_wise else a
# Column for different hot
print(one_hot(np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 9, 9, 9, 9, 8, 7]), 10))
# Row for different hot
print(one_hot(np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 9, 9, 9, 9, 8, 7]), 10, col_wise=False))
【讨论】：
我发现最简单的解决方案结合了np.take 和np.eye
def one_hot(x, depth: int):
return np.take(np.eye(depth), x, axis=0)
适用于任何形状的x。
【讨论】：