"将索引数组转换为 1-hot 编码的 numpy 数组"

Question

假设我有一个 1d numpy 数组

a = array([1,0,3])

Answer 1

您的数组a定义了输出数组中非零元素的列。 您还需要定义行，然后使用花式索引：

>>> a = np.array([1, 0, 3])
>>> b = np.zeros((a.size, a.max()+1))
>>> b[np.arange(a.size),a] = 1
>>> b
array([[ 0.,  1.,  0.,  0.],
       [ 1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.]])

Answer 2

>>> values = [1, 0, 3]
>>> n_values = np.max(values) + 1
>>> np.eye(n_values)[values]
array([[ 0.,  1.,  0.,  0.],
       [ 1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.]])

Answer 3

如果您使用 keras，有一个内置的实用程序：

from keras.utils.np_utils import to_categorical   

categorical_labels = to_categorical(int_labels, num_classes=3)

它与@YXD 的答案几乎相同（请参阅源代码）。

Answer 4

以下是我认为有用的内容：

def one_hot(a, num_classes):
  return np.squeeze(np.eye(num_classes)[a.reshape(-1)])

这里num_classes代表您拥有的类数。 因此，如果您有a形状为(10000,) a向量，则此函数会将其转换为(10000,C) 。 请注意， a是零索引的，即one_hot(np.array([0, 1]), 2)将给出[[1, 0], [0, 1]] 。

正是你想要的，我相信。

PS：来源是序列模型-deeplearning.ai

Answer 5

您还可以使用 numpy 的眼睛功能：

numpy.eye(number of classes)[vector containing the labels]

Answer 6

您可以使用sklearn.preprocessing.LabelBinarizer ：

例子：

import sklearn.preprocessing
a = [1,0,3]
label_binarizer = sklearn.preprocessing.LabelBinarizer()
label_binarizer.fit(range(max(a)+1))
b = label_binarizer.transform(a)
print('{0}'.format(b))

输出：

[[0 1 0 0]
 [1 0 0 0]
 [0 0 0 1]]

除其他外，您可以初始化sklearn.preprocessing.LabelBinarizer()以便transform的输出是稀疏的。

Answer 7

您可以使用以下代码转换为 one-hot 向量：

让 x 是具有单个列的普通类向量，其中类为 0 到某个数字：

import numpy as np
np.eye(x.max()+1)[x]

如果 0 不是一个类； 然后删除+1。

Answer 8

对于 1-hot-encoding

   one_hot_encode=pandas.get_dummies(array)

例如

享受编码

Answer 9

这是一个将一维向量转换为二维单热数组的函数。

#!/usr/bin/env python
import numpy as np

def convertToOneHot(vector, num_classes=None):
    """
    Converts an input 1-D vector of integers into an output
    2-D array of one-hot vectors, where an i'th input value
    of j will set a '1' in the i'th row, j'th column of the
    output array.

    Example:
        v = np.array((1, 0, 4))
        one_hot_v = convertToOneHot(v)
        print one_hot_v

        [[0 1 0 0 0]
         [1 0 0 0 0]
         [0 0 0 0 1]]
    """

    assert isinstance(vector, np.ndarray)
    assert len(vector) > 0

    if num_classes is None:
        num_classes = np.max(vector)+1
    else:
        assert num_classes > 0
        assert num_classes >= np.max(vector)

    result = np.zeros(shape=(len(vector), num_classes))
    result[np.arange(len(vector)), vector] = 1
    return result.astype(int)

下面是一些示例用法：

>>> a = np.array([1, 0, 3])

>>> convertToOneHot(a)
array([[0, 1, 0, 0],
       [1, 0, 0, 0],
       [0, 0, 0, 1]])

>>> convertToOneHot(a, num_classes=10)
array([[0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0, 0, 0, 0]])

Answer 10

我认为简短的回答是否定的。 对于n维更通用的情况，我想出了这个：

# For 2-dimensional data, 4 values
a = np.array([[0, 1, 2], [3, 2, 1]])
z = np.zeros(list(a.shape) + [4])
z[list(np.indices(z.shape[:-1])) + [a]] = 1

我想知道是否有更好的解决方案——我不喜欢我必须在最后两行中创建这些列表。 无论如何，我用timeit做了一些测量，似乎基于numpy的（ indices / arange ）和迭代版本的表现大致相同。

Answer 11

只是为了详细说明K3---rnc的优秀答案，这里有一个更通用的版本：

def onehottify(x, n=None, dtype=float):
    """1-hot encode x with the max value n (computed from data if n is None)."""
    x = np.asarray(x)
    n = np.max(x) + 1 if n is None else n
    return np.eye(n, dtype=dtype)[x]

此外，这里是此方法的快速基准测试和YXD当前接受的答案中的一种方法（略有更改，因此它们提供相同的 API，只是后者仅适用于 1D ndarrays）：

def onehottify_only_1d(x, n=None, dtype=float):
    x = np.asarray(x)
    n = np.max(x) + 1 if n is None else n
    b = np.zeros((len(x), n), dtype=dtype)
    b[np.arange(len(x)), x] = 1
    return b

后一种方法快约 35%（MacBook Pro 13 2015），但前者更通用：

>>> import numpy as np
>>> np.random.seed(42)
>>> a = np.random.randint(0, 9, size=(10_000,))
>>> a
array([6, 3, 7, ..., 5, 8, 6])
>>> %timeit onehottify(a, 10)
188 µs ± 5.03 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> %timeit onehottify_only_1d(a, 10)
139 µs ± 2.78 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

Answer 12

我最近遇到了同样的问题，并找到了上述解决方案，结果证明只有当你的数字符合某种形式时才会令人满意。 例如，如果您想对以下列表进行单热编码：

all_good_list = [0,1,2,3,4]

继续，上面已经提到了已发布的解决方案。 但是如果考虑这些数据呢：

problematic_list = [0,23,12,89,10]

如果您使用上述方法进行操作，您可能会得到 90 个单热列。 这是因为所有答案都包含类似n = np.max(a)+1 。 我找到了一个更通用的解决方案，它对我有用，并想与您分享：

import numpy as np
import sklearn
sklb = sklearn.preprocessing.LabelBinarizer()
a = np.asarray([1,2,44,3,2])
n = np.unique(a)
sklb.fit(n)
b = sklb.transform(a)

我希望有人在上述解决方案上遇到相同的限制，这可能会派上用场

Answer 13

这种类型的编码通常是 numpy 数组的一部分。 如果您使用的是这样的 numpy 数组：

a = np.array([1,0,3])

那么有一种非常简单的方法可以将其转换为 1-hot 编码

out = (np.arange(4) == a[:,None]).astype(np.float32)

就是这样。

Answer 14

• p 将是一个二维 ndarray。
• 我们想知道哪个值在一行中最高，在那里放 1，其他地方放 0。

干净简单的解决方案：

max_elements_i = np.expand_dims(np.argmax(p, axis=1), axis=1)
one_hot = np.zeros(p.shape)
np.put_along_axis(one_hot, max_elements_i, 1, axis=1)

Answer 15

这是我根据上述答案和我自己的用例编写的示例函数：

def label_vector_to_one_hot_vector(vector, one_hot_size=10):
    """
    Use to convert a column vector to a 'one-hot' matrix

    Example:
        vector: [[2], [0], [1]]
        one_hot_size: 3
        returns:
            [[ 0.,  0.,  1.],
             [ 1.,  0.,  0.],
             [ 0.,  1.,  0.]]

    Parameters:
        vector (np.array): of size (n, 1) to be converted
        one_hot_size (int) optional: size of 'one-hot' row vector

    Returns:
        np.array size (vector.size, one_hot_size): converted to a 'one-hot' matrix
    """
    squeezed_vector = np.squeeze(vector, axis=-1)

    one_hot = np.zeros((squeezed_vector.size, one_hot_size))

    one_hot[np.arange(squeezed_vector.size), squeezed_vector] = 1

    return one_hot

label_vector_to_one_hot_vector(vector=[[2], [0], [1]], one_hot_size=3)

Answer 16

我正在添加一个简单的函数来完成，仅使用 numpy 运算符：

   def probs_to_onehot(output_probabilities):
        argmax_indices_array = np.argmax(output_probabilities, axis=1)
        onehot_output_array = np.eye(np.unique(argmax_indices_array).shape[0])[argmax_indices_array.reshape(-1)]
        return onehot_output_array

它需要一个概率矩阵作为输入：例如：

[[0.03038822 0.65810204 0.16549407 0.3797123] ... [0.02771272 0.2760752 0.3280924 0.33458805]]

它会回来

[[0 1 0 0] ... [0 0 0 1]]

Answer 17

这是一个与维度无关的独立解决方案。

这会将任何非负整数的 N 维数组arr转换为单热 N+1 维数组one_hot ，其中one_hot[i_1,...,i_N,c] = 1表示arr[i_1,...,i_N] = c 。 您可以通过np.argmax(one_hot, -1)恢复输入

def expand_integer_grid(arr, n_classes):
    """

    :param arr: N dim array of size i_1, ..., i_N
    :param n_classes: C
    :returns: one-hot N+1 dim array of size i_1, ..., i_N, C
    :rtype: ndarray

    """
    one_hot = np.zeros(arr.shape + (n_classes,))
    axes_ranges = [range(arr.shape[i]) for i in range(arr.ndim)]
    flat_grids = [_.ravel() for _ in np.meshgrid(*axes_ranges, indexing='ij')]
    one_hot[flat_grids + [arr.ravel()]] = 1
    assert((one_hot.sum(-1) == 1).all())
    assert(np.allclose(np.argmax(one_hot, -1), arr))
    return one_hot

Answer 18

使用以下代码。 它效果最好。

def one_hot_encode(x):
"""
    argument
        - x: a list of labels
    return
        - one hot encoding matrix (number of labels, number of class)
"""
encoded = np.zeros((len(x), 10))

for idx, val in enumerate(x):
    encoded[idx][val] = 1

return encoded

在这里找到它PS 你不需要进入链接。

Answer 19

使用Neuraxle流水线步骤：

1. 设置您的示例

import numpy as np
a = np.array([1,0,3])
b = np.array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])

2. 进行实际转换

from neuraxle.steps.numpy import OneHotEncoder
encoder = OneHotEncoder(nb_columns=4)
b_pred = encoder.transform(a)

3. 断言它有效

assert b_pred == b

文档链接： neuraxle.steps.numpy.OneHotEncoder

Answer 20

def one_hot(n, class_num, col_wise=True):
  a = np.eye(class_num)[n.reshape(-1)]
  return a.T if col_wise else a

# Column for different hot
print(one_hot(np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 9, 9, 9, 9, 8, 7]), 10))
# Row for different hot
print(one_hot(np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 9, 9, 9, 9, 8, 7]), 10, col_wise=False))

Answer 21

我发现最简单的解决方案结合了np.take<\/code>和np.eye<\/code>

def one_hot(x, num_classes: int):
  return np.take(np.eye(num_classes), x, axis=0)

Answer 22

如果使用tensorflow ，则有one_hot() ：

import tensorflow as tf
import numpy as np

a = np.array([1, 0, 3])
depth = 4
b = tf.one_hot(a, depth)
# <tf.Tensor: shape=(3, 3), dtype=float32, numpy=
# array([[0., 1., 0.],
#        [1., 0., 0.],
#        [0., 0., 0.]], dtype=float32)>