Python 矢量化数组：在指定位置用1构造矩阵，在其他位置用0构造矩阵

我有一个长度为L的（一维）numpy数组，数组中填充了从0到N-1的数字
现在，我想构造一个NxL矩阵，这样在每列c中，a[c]的第个条目是1，所有其他条目都是0

例如，如果L=4，N=5和

a=np.array（[1,2,0,4]）

那么我们需要一个矩阵

m=np.array（[[0,0,1,0]，
[1,0,0,0],
[0,1,0,0],
[0,0,0,0],
[0,0,0,1]])

现在，我有以下代码：

def矢量化（a、L、N）： m=np.零（（N，L）） 对于枚举（a）中的（i，x）： m[x][i]=1.0 返回m

---

这很好，但我确信有一种更快的方法使用一些numpy技巧（避免在a上循环）。

您可以在第二个轴上使用

np.arange（…）

：

def vectorize(a, L, N):
    m = np.zeros((N, L), int)
    m[a, np.arange(len(a))] = 1
    return m

对于给定的样本输入，我们得到：

>>> a = np.array([1,2,0,4])
>>> vectorize(a, 4, 5)
array([[0, 0, 1, 0],
       [1, 0, 0, 0],
       [0, 1, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 1]])

---

当使用整数数组作为索引时，需要广播到相同形状的其他数组来指示其他维度中的位置。在您的例子中，

a

的每个元素都是一个行索引。相应列为：

b = np.arange(L)

现在您可以直接索引到矩阵

m

：

m = np.zeros((N, L), dtype=bool)
m[a, b] = True

---

为numpy数组编制索引时，应使用单括号运算符中的所有索引，而不是像

m[a][b]

这样的单独运算符<当

a

是整数数组时，code>m[a]是

m

部分的副本，但当

a

是单个整数时，原始数据的视图，这是您的示例工作的唯一原因。

我认为

np.eye（a.max（）+1）[a]

是一种干净的方法

def vectorize(a, L, N):
    m = np.zeros((N, L))
    m[a,np.arange(L)] =1
    return m