从numpy中的类别数组创建矩阵

我有一个长度为n的numpy数组，y，由[0…k-1]范围内的整数组成。由此，我想创建一个n×k的numpy矩阵M，其中，如果y[I]==j，则M[I，j]为1，否则为0

在numpy实现这一点的最佳方式是什么？

使用广播：

a = np.array([1, 2, 3, 1, 2, 2, 3, 0])
m = a[:, None] == np.arange(max(a)+1)

结果是：

array([[False,  True, False, False],
       [False, False,  True, False],
       [False, False, False,  True],
       [False,  True, False, False],
       [False, False,  True, False],
       [False, False,  True, False],
       [False, False, False,  True],
       [ True, False, False, False]], dtype=bool)

或者创建一个零数组并填充，我认为这样更快：

m2 = np.zeros((len(a), a.max()+1), np.bool)
m2[np.arange(len(a)), a] = True
print m2

---

这可能有点离谱，但它是一个相当可扩展的解决方案，至少值得注意。如果您已经获得，则该类用于将数据集中的分类特征转换为按列的二进制表示，如您所述：

import numpy as np
from sklearn.feature_extraction import DictVectorizer

# starting with your numpy array
y = np.array([1, 2, 3, 1, 2, 2, 3, 0])

# transform the array to a list of dicts, with original
# int values now as strings, and a throw-away key '' 
y_dict = [{'':str(x)} for x in y.tolist()]

# create the vectorizer and transform the list of dicts 
vec = DictVectorizer(sparse=False, dtype=int)
M = vec.fit_transform(y_dict)

print M
[[0 1 0 0]
 [0 0 1 0]
 [0 0 0 1]
 [0 1 0 0]
 [0 0 1 0]
 [0 0 1 0]
 [0 0 0 1]
 [1 0 0 0]]

---

再说一次，可能是矫枉过正了，但它有点可爱，我想我应该把它扔出去。

我想你的第二个建议很好。谢谢