Python 一个使用numpy的热编码

如果输入为零，我想制作一个如下所示的数组：

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

如果输入为5：

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

对于上述内容，我写道：

np.put(np.zeros(10),5,1)

但它没有起作用

有什么方法可以在一行中实现吗？

类似于：

np.array([int(i == 5) for i in range(10)])

我们应该做到这一点。 但我认为使用numpy还有其他解决方案

编辑：公式不起作用的原因：np.put不返回任何内容，它只是修改第一个参数中给定的元素。使用

np.put（）

时，最好的答案是：

a = np.zeros(10)
np.put(a,5,1)

---

问题是它不能在一行中完成，因为在将数组传递给

np.put（）

之前，您需要定义数组。这里的问题是您不保存数组。

put

函数在数组上正常工作，不返回任何内容。由于从未给数组命名，因此以后无法对其进行寻址。那么这个

one_pos = 5
x = np.zeros(10)
np.put(x, one_pos, 1)

可以，但是您可以使用索引：

one_pos = 5
x = np.zeros(10)
x[one_pos] = 1

在我看来，如果没有特殊的理由作为一个班轮这样做，这将是正确的方法。这可能更容易阅读，可读的代码是很好的代码。

快速查看，您将看到

np.put

不返回值。虽然您的技术很好，但您正在访问

None

，而不是结果数组

对于一维数组，最好只使用直接索引，特别是对于这样一个简单的情况

以下是如何以最少的修改重写代码：

arr = np.zeros(10)
np.put(arr, 5, 1)

下面是如何使用索引而不是

put

执行第二行：

arr[5] = 1

---

np.put

将其数组arg变位。在Python中，执行就地变异的函数/方法通常返回

None

<代码>np。put遵守该惯例。所以如果

a

是1D数组，那么

a = np.put(a, 5, 1)

然后

a

将被

None

替换

您的代码与此类似，但它将一个未命名的数组传递给

np.put

一个简洁高效的方法就是使用一个简单的函数，例如：

import numpy as np

def one_hot(i):
    a = np.zeros(10, 'uint8')
    a[i] = 1
    return a

a = one_hot(5) 
print(a)

输出

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

---

使用

np.identity

或

np.eye

。您可以使用输入i和数组大小s尝试以下操作：

np.identity(s)[i:i+1]

例如，

print（np.identity（5）[0:1]）

将导致：

[[ 1.  0.  0.  0.  0.  0.  0.  0.  0.  0.]]

---

如果您使用的是TensorFlow，您可以使用tf.one_hot：

通常，当您想要在机器学习中获得一个one hot编码进行分类时，您有一个索引数组

import numpy as np
nb_classes = 6
targets = np.array([[2, 3, 4, 0]]).reshape(-1)
one_hot_targets = np.eye(nb_classes)[targets]

one\u hot\u目标

现在处于关闭状态

array([[[ 0.,  0.,  1.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  1.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  1.,  0.],
        [ 1.,  0.,  0.,  0.,  0.,  0.]]])

.reformate（-1）

用于确保标签格式正确（您可能还有

[[2]、[3]、[4]、[0]]

）。

-1

是一个特殊值，表示“将所有剩余的内容放入此维度”。因为只有一个，所以它会使阵列变平

复制粘贴溶液 包裹 你可以用。它经过测试，使用简单：

import mpu.ml
one_hot = mpu.ml.indices2one_hot([1, 3, 0], nb_classes=5)

---

我不确定它的性能，但是下面的代码很好用

x = np.array([0, 5])
x_onehot = np.identity(6)[x]

---

您可以使用列表理解：

[0 if i !=5 else 1 for i in range(10)]

转向

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

---

它是怎么不起作用的？你为什么要在一行中这样做？如果您想保持简洁，只需编写一个函数。通常，当您至少收到一个解决问题的答案时，您会选择其中一个答案。@AbhijayHildyal:这几乎是实现您所需的最低效的方法。@PM2Ring我知道我写的一个行文不好，但是你有没有任何消息来源告诉你应该和不应该对列表和numpy数组做什么？@HolyDanna：Python中的一条普遍规则是，Python循环比使用C代码执行的循环运行得慢。因此，如果有一种明显的方法可以使用C循环而不是Python循环，那么应该使用C循环。使用Numpy的全部目的是尽可能以C速度进行数组处理。我不熟悉numpy源代码，但是

numpy.zeros

可能比C

for

循环运行得更快，因为CPU可以很快地用单个值填充内存块。顺便说一句，我并不是说您的第一个代码示例不好。在非Numpy程序中，这将是一种很好的方法，并且仅为该操作导入Numpy是愚蠢的。但是，如果程序已经在使用Numpy，那么利用Numpy提供的功能是有意义的。使用

a=np.zeros（10）

，我在第一个版本中得到了一个稍微快一点的版本：

0.0007712841033935547秒

与第二个版本的

0.00088357925415906秒

相比

a=np.zeros（10）；a[l]=1

；索引赋值比函数调用快。我的

one_hot

函数比这个内联版本稍微慢一点，这也是由于函数调用的开销，但它比其他技术快。但是，此计时信息不是很准确，您应该使用

timeit

模块，并使用其功能执行数百（或数千）次测试，以获得有意义的结果，而不会被CPU正在执行的其他任务的“噪音”淹没。谢谢。您知道检查代码运行时间的更好方法吗？正如我所说的，使用模块。FWIW，这里是我最近的几个答案，它们使用了

timeit

，我不接受这些，以免对人无礼，但它是如何工作的<代码>np.eye（nb_类）应为6x6矩阵，但其形状更改为4x6。你能在这个问题上进行讨论吗？

np.eye（nb_类）

是一个6x6矩阵。然后选择目标中指定的行。我只选择了四个，所以它是一个4x6矩阵。这似乎只适用于2维目标，但可以通过执行

。重塑（列表（targets.shape）+[nb_类]）

你能解释一下

np.eye（nb_类）[np.array（targets.shape（-1）]

工作的原因吗？这是一个被H*W矩阵索引的CxC矩阵？！这是怎么回事？@gebbissimo首先，试着理解

np.eye（n）

的作用。然后

np.eye（5）[[3,1]][0 if i !=5 else 1 for i in range(10)]

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