将字符串列表转换为 Python 中的类别 integer

Question

给定一个字符串列表，

['a', 'a', 'c', 'a', 'a', 'a', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'b', 'b', 'b', 'd', 'b', 'b', 'b']

我想转换为整数类别形式

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

这可以使用 numpy 来实现，如下所示

ipt=['a', 'a', 'c', 'a', 'a', 'a', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'b', 'b', 'b', 'd', 'b', 'b', 'b']
_, opt = np.unique(np.array(ipt), return_inverse=True)

但是，我很好奇是否有另一种选择而不需要导入numpy 。

Answer 1

如果您只对查找因子的 integer 表示感兴趣，那么在使用set查找唯一值之后，您可以使用 dict 理解和enumerate来存储映射：

lst = ['a', 'a', 'c', 'a', 'a', 'a', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'b', 'b', 'b', 'd', 'b', 'b', 'b']

d = {x: i for i, x in enumerate(set(lst))}
lst_new = [d[x] for x in lst]
print(lst_new)

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

这种方法可以用于一般因素，即因素不必是'a' 、 'b'等，而可以是'dog' 、 'bus'等。一个缺点是它不关心关于因素的顺序。 如果您希望表示保持顺序，您可以使用sorted ：

d = {x: i for i, x in enumerate(sorted(set(lst)))}
lst_new = [d[x] for x in lst]
print(lst_new)

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

Answer 2

您可以从函数式编程书中记下：

ipt=['a', 'a', 'c', 'a', 'a', 'a', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'd', 'd', 'd', 'd', 'c', 'b', 'b', 'b', 'd', 'b', 'b', 'b']
opt = list(map(lambda x: ord(x)-97, ipt))

此代码遍历输入数组并将每个元素传递给 lambda function，它取字符的 ascii 值，然后减去 97（将字符转换为 0-25）。

如果每个字符串不是单个字符，则可能需要调整 lambda function。

Answer 3

您可以编写自定义 function 来执行与使用numpy.unique()相同的操作。

def unique(my_list):
    ''' Takes a list and returns two lists, a list of each unique entry and the index of
    each unique entry in the original list
    '''
    unique_list = []
    int_cat = []
    for item in my_list:
        if item not in unique_list:
            unique_list.append(item)
        int_cat.append(unique_list.index(item))
    return unique_list, int_cat

或者，如果您希望订购索引。

def unique_ordered(my_list):
    ''' Takes a list and returns two lists, an ordered list of each unique entry and the
    index of each unique entry in the original list
    '''
    # Unique list
    unique_list = []
    for item in my_list:
        if item not in unique_list:
            unique_list.append(item)

    # Sorting unique list alphabetically
    unique_list.sort()

    # Integer category list
    int_cat = []
    for item in my_list:
        int_cat.append(unique_list.index(item))
    return unique_list, int_cat

将这两个与numpy.unique()的计算时间进行 100,000 次迭代的示例列表进行比较，我们得到：

numpy = 2.236004s
unique = 0.460719s
unique_ordered = 0.505591s

表明对于简单列表，任一选项都比 numty 更快。 与 numpy.unique numpy.unique()相比，更复杂的字符串会降低unique()和unique_ordered的速度。 对包含 20 个字符串的 100 个元素的随机列表进行 10,000 次迭代，我们得到以下时间：

numpy = 0.45465s
unique = 1.56963s
unique_ordered = 1.59445s

因此，如果效率很重要并且您的列表有更复杂/更多种类的字符串，那么使用numpy.unique()可能会更好