Python 为数组中的每个唯一元素创建布尔掩码

我有一张有数字的单子。我想为列表中的每个唯一元素创建一个列表（或数组，无所谓）的布尔掩码

在下面的示例中，我想创建四个长度为

len（标签）

的遮罩。第一个掩码在位置

i

处具有

True

，如果

标签[i]==0

，第二个掩码在位置

i

处具有

True

，如果

标签[i]==1

等

我尝试使用pandas和循环中的

.isin

方法来实现这一点。然而，这对于我来说太慢了，因为在我的算法中，这被调用了很多次，标签列表可能很长，因此循环无效。我怎样才能使它更快

labels = [0,0,1,1,3,3,3,1,2,1,0,0]
d = dict()
y = pd.Series(labels)
for i in set(labels):
    d[i] = y.isin([i])

---

方法1

使用

列表

和

设置

In [989]: {x: [x==l for l in labels] for x in set(labels)}
Out[989]:
{0: [True, True, False, False, False, False, False, False, False, False, True, True],
 1: [False, False, True, True, False, False, False, True, False, True, False, False],
 2: [False, False, False, False, False, False, False, False, True, False, False, False],
 3: [False, False, False, False, True, True, True, False, False, False, False, False]}

如果您想将其作为数据帧

In [994]: pd.DataFrame({x: [x==l for l in labels] for x in set(labels)})
Out[994]:
        0      1      2      3
0    True  False  False  False
1    True  False  False  False
2   False   True  False  False
3   False   True  False  False
4   False  False  False   True
5   False  False  False   True
6   False  False  False   True
7   False   True  False  False
8   False  False   True  False
9   False   True  False  False
10   True  False  False  False
11   True  False  False  False

---

方法2

使用

pd.get_dummies

，如果你仍然是

系列

你可以

In [997]: pd.get_dummies(y).astype(bool)
Out[997]:
        0      1      2      3
0    True  False  False  False
1    True  False  False  False
2   False   True  False  False
3   False   True  False  False
4   False  False  False   True
5   False  False  False   True
6   False  False  False   True
7   False   True  False  False
8   False  False   True  False
9   False   True  False  False
10   True  False  False  False
11   True  False  False  False

---

基准

小的

大的

---

创建一个

False

值数组。遍历

groupby

以获取标签的索引位置，并将其设置为

True

d = {}
empty_labels = np.array([False] * len(labels))
for label, group in pd.DataFrame(labels, columns=['labels']).groupby('labels'):
    d[label] = empty_labels.copy()
    d[label][group] = True
>>> d
{0: array([ True, False, False, False, False, False, False, False, False,
        False, False, False], dtype=bool),
 1: array([False,  True, False, False, False, False, False, False, False,
        False, False, False], dtype=bool),
 2: array([False, False,  True, False, False, False, False, False, False,
        False, False, False], dtype=bool),
 3: array([False, False, False,  True, False, False, False, False, False,
        False, False, False], dtype=bool)}

速度应该与P.GETY-Dimes>

，你可以使用它，这应该相当快，尤其是如果你已经有一个NUMPY数组工作的话。p>

categorical(np.array(labels), drop=True).astype(bool)

如果要在结果数组中的每列与其相应标签之间建立显式映射，请将

dictnames=True

传递到

category

演示

>>> from statsmodels.tools.tools import categorical
>>> labels = np.array([0,0,1,1,3,3,3,1,2,1,0,0])
>>> categorical(labels, drop=True).astype(bool)
array([[ True, False, False, False],
       [ True, False, False, False],
       [False,  True, False, False],
       [False,  True, False, False],
       [False, False, False,  True],
       [False, False, False,  True],
       [False, False, False,  True],
       [False,  True, False, False],
       [False, False,  True, False],
       [False,  True, False, False],
       [ True, False, False, False],
       [ True, False, False, False]], dtype=bool)

>>> res, d = categorical(np.array(labels), drop=True, dictnames=True)
>>> d
{0: 0, 1: 1, 2: 2, 3: 3}

粗略基准（假设已经是NumPy数组）

您的数据集：

>>> %timeit categorical(labels, drop=True).astype(bool)
14.1 µs ± 519 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

---

这种编写for循环的方式比我的方式快吗？这似乎不会产生所需的输出格式。特别是，如果标签数组中的数字不是连续的，例如标签=[1,1,0,1,5,6,12,12,4,5]。@Merlin1896在这种情况下，您能概述一下输出格式的错误吗？对我来说，它看起来就像我期望的那样。对于labels=np.array（[0,0,2,3,2,12]），a=category（labels，drop=True）的输出。astype（bool）不会给我对原始标签的引用。a[：，0]是标签0所需的输出，但a[：，1]是标签2的输出。@Merlin1896请查看我的编辑，我意识到有一个

dictnames

param to

category

可以帮助您获得我认为您需要的映射。如果需要反向映射，只需使用

{v:k表示k，v表示d.items（）}

。

>>> from statsmodels.tools.tools import categorical
>>> labels = np.array([0,0,1,1,3,3,3,1,2,1,0,0])
>>> categorical(labels, drop=True).astype(bool)
array([[ True, False, False, False],
       [ True, False, False, False],
       [False,  True, False, False],
       [False,  True, False, False],
       [False, False, False,  True],
       [False, False, False,  True],
       [False, False, False,  True],
       [False,  True, False, False],
       [False, False,  True, False],
       [False,  True, False, False],
       [ True, False, False, False],
       [ True, False, False, False]], dtype=bool)

>>> res, d = categorical(np.array(labels), drop=True, dictnames=True)
>>> d
{0: 0, 1: 1, 2: 2, 3: 3}

>>> %timeit categorical(labels, drop=True).astype(bool)
14.1 µs ± 519 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit categorical(labels, drop=True).astype(bool)
360 µs ± 9.08 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)