Python 数字标签的字符串列表

我有一个字符串列表，需要将其转换为数字标签列表。例如：

x= ['hello', 'John', 'hi', 'John', 'hello', 'pumpum']
# output should be something like this:
y=[0, 1, 2, 1, 0, 3]

---

注意。列表有100K个字符串，我正在从文件中读取它。

您可以使用字典：

d = {}
x= ['hello', 'John', 'hi', 'John', 'hello', 'pumpum']
count = 0
for i in x:
  if i not in d:
     d[i] = count
     count += 1

new_x = [d[i] for i in x]

输出：

[0, 1, 2, 1, 0, 3]

---

如果您有一个大型阵列，则可以使用以下优化方法：

---

这将返回一个numpy数组，您可以从该数组中执行其他操作，并且与scipy堆栈兼容。下面是一个带有中间字典的简短解决方案：

x = ['hello', 'John', 'hi', 'John', 'hello', 'pumpum']

d = dict(zip(set(x),range(len(set(x)))))
y = [d[i] for i in x]

print(y)  # [2, 1, 0, 1, 2, 3]

注意：如果您不需要订购数字标签，也就是说，如果您不需要将0关联到x中的第一项，将1关联到x中的第二项，等等，则该功能可以工作

Patrick Artner评论后编辑： 他建议预先计算集合并将其存储为自己的变量，以进行优化，他是对的。以下是更新的代码：

x = ['hello', 'John', 'hi', 'John', 'hello', 'pumpum']

s = set(x)
d = dict(zip(s,range(len(s))))
y = [d[i] for i in x]

print(y)  # [2, 1, 0, 1, 2, 3]

---

如果您愿意使用第三方库，您可以使用：

---

这对我来说是一个非常好的新方法+1@EdChum，谢谢，如果sklearn从根本上依赖np，我不会感到惊讶。它似乎在很多地方都被使用。我很高兴，我喜欢它！您应该预计算集合并将其存储为自己的变量-您正在从每个100k项创建两个集合-一次用于在zip中使用它，一次仅用于获取它的长度，否则为nice one+1Nice！这是唯一与预期idx匹配的解决方案。

x = ['hello', 'John', 'hi', 'John', 'hello', 'pumpum']

s = set(x)
d = dict(zip(s,range(len(s))))
y = [d[i] for i in x]

print(y)  # [2, 1, 0, 1, 2, 3]

import numpy as np

x = ['hello', 'John', 'hi', 'John', 'hello', 'pumpum']

vals, ids, idx = np.unique(x, return_index=True, return_inverse=True)

print(idx)

array([1, 0, 2, 0, 1, 3], dtype=int64)