将一个热行向量的numpy数组转换为索引的列向量

Question

那么什么是转换numpy数组的简洁有效的方法，如：

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

进入如下列：

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

其中每列中的数字是一个热矢量的原始数组中“1”的索引值？

我正在考虑循环遍历行并创建索引值为1的列表，但我想知道是否有更有效的方法来执行它。 谢谢你的任何建议。

Answer 1

更新 ：有关更快的解决方案，请参阅Divakar的回答。

---

您可以使用numpy数组的nonzero nonzero()方法 。 它返回的元组的第二个元素是你想要的。 例如，

In [56]: x
Out[56]: 
array([[0, 0, 1, 0],
       [0, 0, 1, 0],
       [0, 0, 0, 1],
       [0, 0, 0, 1],
       [1, 0, 0, 0]])

In [57]: x.nonzero()[1]
Out[57]: array([2, 2, 3, 3, 0])

根据numpy.nonzero()的docstring ，“ a中的值总是以行主，C风格的顺序进行测试和返回”，所以只要每行中只有一个1， x.nonzero()[1]将从第一行开始给出每行1的位置。 （而x.nonzero()[0]将等于range(x.shape[0]) 。）

要将结果作为具有shape（n，1）的数组，可以使用reshape()方法

In [59]: x.nonzero()[1].reshape(-1, 1)
Out[59]: 
array([[2],
       [2],
       [3],
       [3],
       [0]])

或者您可以使用[:, np.newaxis]进行索引：

In [60]: x.nonzero()[1][:, np.newaxis]
Out[60]: 
array([[2],
       [2],
       [3],
       [3],
       [0]])

Answer 2

我们正在使用热编码阵列，确保每行一个1 。 因此，如果我们只是寻找每行的第一个非零索引，我们将得到所需的结果。 因此，我们可以沿着每一行使用np.argmax ，就像这样 -

a.argmax(axis=1)

如果你想要一个2D数组作为o / p，只需在最后添加一个单一维度 -

a.argmax(axis=1)[:,None]

运行时测试 -

In [20]: # Let's create a sample hot encoded array
    ...: a = np.zeros((1000,1000),dtype=int)
    ...: idx = np.random.randint(0,1000,1000)
    ...: a[np.arange(1000),idx] = 1
    ...: 

In [21]: %timeit a.nonzero()[1] # @Warren Weckesser's soln
100 loops, best of 3: 9.03 ms per loop

In [22]: %timeit a.argmax(axis=1)
1000 loops, best of 3: 1.15 ms per loop