Python 定制词汇表的一种热编码

我有如下

charset

charset =set([ '$', '^', '#', '(', ')', '-', '.', '/', '1', '2', '3', '4', '5', '6', '7', '=', 'Br', 
           'C', 'Cl', 'F', 'I', 'N', 'O', 'P', 'S', '[2H]', '[Br-]', '[C@@H]', '[C@@]', '[C@H]', '[C@]', 
           '[Cl-]', '[H]', '[I-]', '[N+]', '[N-]', '[N@+]', '[N@@+]', '[NH+]', '[NH2+]', '[NH3+]', '[N]', 
           '[Na+]', '[O-]', '[P+]', '[S+]', '[S-]', '[S@+]', '[S@@+]', '[SH]', '[Si]', '[n+]', '[n-]', 
           '[nH+]', '[nH]', '[o+]', '[se]', '\\', 'c', 'n', 'o', 's', '!', 'E'])

char_to_int = dict((c,i) for i,c in enumerate(charset))

int_to_char = dict((i,c) for i,c in enumerate(charset))

基于这个

charset

，我创建了

char\u to\u int

，如下所示

charset =set([ '$', '^', '#', '(', ')', '-', '.', '/', '1', '2', '3', '4', '5', '6', '7', '=', 'Br', 
           'C', 'Cl', 'F', 'I', 'N', 'O', 'P', 'S', '[2H]', '[Br-]', '[C@@H]', '[C@@]', '[C@H]', '[C@]', 
           '[Cl-]', '[H]', '[I-]', '[N+]', '[N-]', '[N@+]', '[N@@+]', '[NH+]', '[NH2+]', '[NH3+]', '[N]', 
           '[Na+]', '[O-]', '[P+]', '[S+]', '[S-]', '[S@+]', '[S@@+]', '[SH]', '[Si]', '[n+]', '[n-]', 
           '[nH+]', '[nH]', '[o+]', '[se]', '\\', 'c', 'n', 'o', 's', '!', 'E'])

char_to_int = dict((c,i) for i,c in enumerate(charset))

int_to_char = dict((i,c) for i,c in enumerate(charset))

{'[nH]'：0，[2H]'：1，'2'：2，'N'：3，'Cl'：4，'c'：5，'$'：6， "O":7,"(8,6:9,s):10,[S@+]“：11，[C@@H]”：12，'C'： 13，“[nH+]”：14，“/”：15，[nH+]”：16，[Br-]：17，[Si]'：18， '4': 19, '[N@+]“：20，”[se]'：21，'P'：22，[SH]'：23，”[N+]： 24，[N]：25，“^”：26，'5'：27，'7'：28，'N'：29，！'：30， “\”：31，[n-]：32，'S'：33，[NH3+]：34，“\”：35，'I'：36， [O-]：37，'1'：38，[NH2+]：39，[S@@@+]：40，'Br'：41，'F'： 42，[Na+]：43，'E'：44，[S-]：45，'：46，'：47，[C@]： 48, '=': 49, '3': 50, '-': 51, '[C@H]“：52，”[Cl-]：53，”[I-]： 54，[H]：55，[P+]：56，[S+]：57，'o'：58，[N@@@+]：59， “[N-]”：60，“[N+]”：61，[o+]”：62，[C@@@63}”

和

int_to_char

如下所示

charset =set([ '$', '^', '#', '(', ')', '-', '.', '/', '1', '2', '3', '4', '5', '6', '7', '=', 'Br', 
           'C', 'Cl', 'F', 'I', 'N', 'O', 'P', 'S', '[2H]', '[Br-]', '[C@@H]', '[C@@]', '[C@H]', '[C@]', 
           '[Cl-]', '[H]', '[I-]', '[N+]', '[N-]', '[N@+]', '[N@@+]', '[NH+]', '[NH2+]', '[NH3+]', '[N]', 
           '[Na+]', '[O-]', '[P+]', '[S+]', '[S-]', '[S@+]', '[S@@+]', '[SH]', '[Si]', '[n+]', '[n-]', 
           '[nH+]', '[nH]', '[o+]', '[se]', '\\', 'c', 'n', 'o', 's', '!', 'E'])

char_to_int = dict((c,i) for i,c in enumerate(charset))

int_to_char = dict((i,c) for i,c in enumerate(charset))

{0:'[nH]'，1:'[2H]'，2:'2'，3:'N'，4:'Cl'，5:'c'，6:'$'，等等， 7:'O'，8:'（'9:'6'，10:'s'，11:'[S@+]”，12:“[C@@H]”，13: "C",14:"[nH+]",15:"/",16:"[nH+]",17:"[Br-]",18:"[Si]",， 19: '4', 20: '[N@+]",21:"东南",22:"东南",23:"东南",24: “[N+]”，25:“[N]”，26:“^”，27:'5'，28:'7'，29:'N'，30:'！”， 31:“\”，32:“[n-]”，33:“S”，34:“[NH3+]”，35:“#”，36:“I”， 37:“[O-]”，38:'1'，39:“[NH2+]”，40:“[S@@@+]”，41:'Br'，42: "F,43:"[Na+]",44:"E",45:"[S-]",46:",47",48: “[C@]”，49:“=”，50:'3'，51:'-”，52:'[C@H]”，53:“[Cl-]”，54: “[I-]”，55:“[H]”，56:“[P+]”，57:“[S+]”，58:“o”，59:“[N@@@+]”， 60:“[N-]”，61:“[N+]”，62:“[o+]”，63:“[C@@@]”

我有一个字符串，我想根据

char\u to\u int

和

int\u to\u char

将其转换为一个热编码

string = 'N[C@H]1C[C@@H](N2Cc3nn4cccnc4c3C2)CC[C@@H]1c1cc(F)c(F)cc1F'

是否有任何有效的方法可以使用自定义的

char\u to\u int

和

int\u to\u char

将

字符串

转换为一个热向量

from itertools import chain, repeat, islice
import re

string = 'N[C@H]1C[C@@H](N2Cc3nn4cccnc4c3C2)CC[C@@H]1c1cc(F)c(F)cc1F'

items_list=[ '$', '^', '#', '(', ')', '-', '.', '/', '1', '2', '3', '4', '5', '6', '7', '=', 'Br', 
       'C', 'Cl', 'F', 'I', 'N', 'O', 'P', 'S', '[2H]', '[Br-]', '[C@@H]', '[C@@]', '[C@H]', '[C@]', 
       '[Cl-]', '[H]', '[I-]', '[N+]', '[N-]', '[N@+]', '[N@@+]', '[NH+]', '[NH2+]', '[NH3+]', '[N]', 
       '[Na+]', '[O-]', '[P+]', '[S+]', '[S-]', '[S@+]', '[S@@+]', '[SH]', '[Si]', '[n+]', '[n-]', 
       '[nH+]', '[nH]', '[o+]', '[se]', '\\', 'c', 'n', 'o', 's', '!', 'E']

charset = set(items_list)
char_to_int = dict((c,i) for i,c in enumerate(charset))

pattern = '|'.join(re.escape(item) for item in items_list)


tokens = re.findall(pattern, string)
x=[char_to_int[k] for k in tokens]

这里，

x

是一个热编码

x=[3, 52, 38, 13, 12, 8, 3, 2, 13, 5, 50, 29, 29, 19, 5, 5, 5, 29, 5, 19, 5, 50, 13, 2, 47, 13, 13, 12, 38, 5, 38, 5, 5, 8, 42, 47, 5, 8, 42, 47, 5, 5, 38, 42]