Numpy 1-caldo serie

Question

Diciamo che ho un allineamento NumPy 1d

a = [1,0,3] 

Vorrei codificare questo come un 2d serie 1-caldo

b = [[0,1,0,0], [1,0,0,0], [0,0,0,1]] 

C'è un modo rapido per fare Questo? Più veloce del semplice ciclo a per impostare gli elementi di b, ovvero.

Answer 1

L'array a definisce le colonne degli elementi diverso da zero nell'array di output. È necessario definire anche le righe e quindi utilizzare fantasia indicizzazione:

>>> a = np.array([1, 0, 3]) 
>>> b = np.zeros((3, 4)) 
>>> b[np.arange(3), 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

Ecco una funzione che converte un vettore 1-D ad una matrice calda 2-D.

#!/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) 

seguito alcune esempio d'uso:

>>> 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 4

Penso che la risposta è no. Per un caso più generico n dimensioni, sono arrivato fino a questo:

# 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 

Mi chiedo se c'è una soluzione migliore - non mi piace che devo creare quelle liste nelle ultime due righe . Ad ogni modo, ho eseguito alcune misurazioni con timeit e sembra che le versioni basate su numpy (indices/arange) e le versioni iterative abbiano lo stesso rendimento.

Answer 5

È possibile utilizzare sklearn.preprocessing.LabelBinarizer:

Esempio:

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)) 

uscita:

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

Tra le altre cose, si può inizializzare sklearn.preprocessing.LabelBinarizer() in modo che l'uscita del transform è scarsa.

Answer 6

Nel caso in cui si utilizza keras, v'è una costruito nel programma di utilità per questo:

from keras.utils.np_utils import to_categorical 

categorical_labels = to_categorical(int_labels, num_classes=3) 

Answer 7

Ecco un esempio di funzione che ho scritto a fare questo sulla base delle risposte di cui sopra e il mio caso d'uso:

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 8

Solo per elaborare sulla excellent answer da K3---rnc, qui è una versione più generica:

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] 

Inoltre, ecco un punto di riferimento rapido e-sporco di questo metodo e un metodo dal currently accepted answer da YXD (leggermente modificato, in modo che offrono la stessa API tranne che quest'ultima funziona solo con ndarrays 1D):

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 

quest'ultimo metodo è ~ 35% più veloce (MacBook Pro 13 2015), ma il primo è più generale:

>>> 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 9

recente ho incontrato un problema dello stesso tipo e hanno trovato detto soluzione che si è rivelata soddisfacente solo se hai numeri che vanno all'interno di una certa formazione. Ad esempio, se si desidera codificare una sola lista seguente:

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

andare avanti, le soluzioni pubblicate sono già menzionate sopra. Ma cosa succede se si considera questo dato:

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

Se lo si fa con i metodi di cui sopra, è probabile che finire con 90 colonne one-hot. Questo perché tutte le risposte includono qualcosa come n = np.max(a)+1. Ho trovato una soluzione più generica che ha funzionato per me e ha voluto condividere con voi:

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) 

Spero che qualcuno incontrato stesse restrizioni sulle soluzioni di cui sopra e questo potrebbe rivelarsi utile