Python 如何使用Numpy对字符串数组进行热编码？

我知道存在次优的解决方案，但我正在尝试优化我的代码。到目前为止，我找到的最短路径是：

将numpy导入为np
从sklearn.preprocessing导入序号编码器
target=np.数组（['dog'，'dog'，'cat'，'cat'，'cat'，'dog'，'dog'，'cat'，'cat']））
oe=普通编码器（）
target=oe.fit_变换（target.reforme（-1,1））.ravel（）
target=np.eye（np.unique（target.shape[0]）[np.array（target，dtype=np.int32）]
打印（目标）

[[0.1.]
[0.1.]
[1.0.]
[1.0.]

---

这是一段难看的代码，而且很长。删除其中的任何部分都不会起作用。我正在寻找一种更简单的方法，不需要从两个不同的库调用超过六个函数。

明白了。这将适用于任意数量的唯一值数组

将numpy导入为np
target=np.数组（['dog'，'dog'，'cat'，'cat'，'cat'，'dog'，'dog'，'dog'，'，
“猫”、“猫”、“仓鼠”、“仓鼠”]）
def 1_热（阵列）：
unique，inverse=np.unique（数组，返回值\u inverse=True）
onehot=np.eye（唯一的.shape[0]）[逆]
返回onehot
打印（1_热（目标））

Out[9]：
[0,1,0.]，
[0,1,0.]，
[1,0,0.]，
[1,0,0.]，
[1,0,0.]，
[0,1,0.]，
[0,1,0.]，
[1,0,0.]，
[1,0,0.]，
[0,0,1.]，
[0,0,1.]]

---

明白了。这将适用于任何数量的唯一值数组

将numpy导入为np
target=np.数组（['dog'，'dog'，'cat'，'cat'，'cat'，'dog'，'dog'，'dog'，'，
“猫”、“猫”、“仓鼠”、“仓鼠”]）
def 1_热（阵列）：
unique，inverse=np.unique（数组，返回值\u inverse=True）
onehot=np.eye（唯一的.shape[0]）[逆]
返回onehot
打印（1_热（目标））

Out[9]：
[0,1,0.]，
[0,1,0.]，
[1,0,0.]，
[1,0,0.]，
[1,0,0.]，
[0,1,0.]，
[0,1,0.]，
[1,0,0.]，
[1,0,0.]，
[0,0,1.]，
[0,0,1.]]

为什么不使用

它存储有关转换的良好元数据：

>>> ohe.categories_
[array(['cat', 'dog'], dtype='<U3')]

>>ohe.categories_
[数组（['cat'，'dog'，dtype='为什么不使用

它存储有关转换的良好元数据：

>>> ohe.categories_
[array(['cat', 'dog'], dtype='<U3')]

>>ohe.categories_
[array（['cat'，'dog'，dtype='您可以使用keras和LabelEncoder来实现它

import numpy as np
from keras.utils import to_categorical
from sklearn.preprocessing import LabelEncoder

# define example
data = np.array(['dog', 'dog', 'cat', 'cat', 'cat', 'dog', 'dog', 'cat', 'cat'])

label_encoder = LabelEncoder()
data = label_encoder.fit_transform(data)
# one hot encode
encoded = to_categorical(data)

您可以使用keras和LabelEncoder来实现它

import numpy as np
from keras.utils import to_categorical
from sklearn.preprocessing import LabelEncoder

# define example
data = np.array(['dog', 'dog', 'cat', 'cat', 'cat', 'dog', 'dog', 'cat', 'cat'])

label_encoder = LabelEncoder()
data = label_encoder.fit_transform(data)
# one hot encode
encoded = to_categorical(data)

由
oe
生成的
目标是什么
由
oe
预处理生成的
目标是什么
预处理生成的
目标是什么。OneHotEncoder
也会这样做，尽管您的速度更快。您没有使用
将
参数返回到
numpy.unique
，而不是
numpy.searchsorted
另外，您正在调用
numpy.array
中已经是
np.array（array）中的数组的内容
。另外，使用
return\u counts=True
是不必要的。您只使用结果的长度，但该长度与
字的长度相同
预处理。OneHotEncoder
也可以这样做，尽管您的速度更快。您是否有任何特殊原因没有使用
return\u inverse
参数来
numpy.unique
，而不是
numpy.searchsorted
？另外，您正在调用
numpy.array
，该对象已经是
np.array（array）中的数组
。此外，不需要使用
return\u counts=True
。您只使用结果的长度，但该长度与
单词的长度相同。这不是NumPy这不是NumPy