方法1
这是一个厚脸皮的单线滥用
broadcasted比较-
(np.arange(a.max()) == a[...,None]-1).astype(int)
样品运行-
In [120]: aOut[120]: array([[1, 7, 5, 3], [2, 4, 1, 4]])In [121]: (np.arange(a.max()) == a[...,None]-1).astype(int)Out[121]: array([[[1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 1], [0, 0, 0, 0, 1, 0, 0], [0, 0, 1, 0, 0, 0, 0]], [[0, 1, 0, 0, 0, 0, 0], [0, 0, 0, 1, 0, 0, 0], [1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 1, 0, 0, 0]]])
对于
0-based索引，将是-
In [122]: (np.arange(a.max()+1) == a[...,None]).astype(int)Out[122]: array([[[0, 1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 1], [0, 0, 0, 0, 0, 1, 0, 0], [0, 0, 0, 1, 0, 0, 0, 0]], [[0, 0, 1, 0, 0, 0, 0, 0], [0, 0, 0, 0, 1, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 1, 0, 0, 0]]])
如果单项编码要覆盖从最小值到最大值的值范围，请偏移最小值，然后将其馈送到建议的
0-based索引方法中。这也将适用于本文后面稍后讨论的其余方法。
这是在同一样本上运行的示例-
In [223]: aOut[223]: array([[ 6, 12, 10, 8], [ 7, 9, 6, 9]])In [224]: a_off = a - a.min() # feed a_off to proposed approachesIn [225]: (np.arange(a_off.max()+1) == a_off[...,None]).astype(int)Out[225]: array([[[1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 1], [0, 0, 0, 0, 1, 0, 0], [0, 0, 1, 0, 0, 0, 0]], [[0, 1, 0, 0, 0, 0, 0], [0, 0, 0, 1, 0, 0, 0], [1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 1, 0, 0, 0]]])
如果您可以使用带有
Truefor
1's和False for的布尔数组
0's，则可以跳过
.astype(int)转换。
方法＃2
我们还可以初始化零数组，并使用索引到输出中
advanced-indexing。因此，为了
0-based建立索引，我们将-
def onehot_initialization(a): ncols = a.max()+1 out = np.zeros(a.shape + (ncols,), dtype=int) out[all_idx(a, axis=2)] = 1 return out
辅助功能-
# https://stackoverflow.com/a/46103129/ @Divakardef all_idx(idx, axis): grid = np.ogrid[tuple(map(slice, idx.shape))] grid.insert(axis, idx) return tuple(grid)
当处理更大范围的值时，这应该特别有效。
对于
1-based索引，只需
a-1输入作为输入即可。
方法3：稀疏矩阵解
现在，如果您正在寻找稀疏数组作为输出和AFAIK，因为scipy的内置稀疏矩阵仅支持
2D格式，则可以得到稀疏输出，该输出是前面显示的输出的重塑版本，其中前两个轴合并而第三个轴保持不变完整。
0-based索引的实现看起来像这样-
from scipy.sparse import coo_matrixdef onehot_sparse(a): N = a.size L = a.max()+1 data = np.ones(N,dtype=int) return coo_matrix((data,(np.arange(N),a.ravel())), shape=(N,L))
同样，为
1-based建立索引，只需将其
a-1作为输入即可。
样品运行-
In [157]: aOut[157]: array([[1, 7, 5, 3], [2, 4, 1, 4]])In [158]: onehot_sparse(a).toarray()Out[158]: array([[0, 1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0, 1], [0, 0, 0, 0, 0, 1, 0, 0], [0, 0, 0, 1, 0, 0, 0, 0], [0, 0, 1, 0, 0, 0, 0, 0], [0, 0, 0, 0, 1, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 1, 0, 0, 0]])In [159]: onehot_sparse(a-1).toarray()Out[159]: array([[1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 1], [0, 0, 0, 0, 1, 0, 0], [0, 0, 1, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0], [0, 0, 0, 1, 0, 0, 0], [1, 0, 0, 0, 0, 0, 0], [0, 0, 0, 1, 0, 0, 0]])
如果您可以使用稀疏输出，那么这将比前两种方法好得多。
基于0的索引的运行时比较
情况1 ：
In [160]: a = np.random.randint(0,100,(100,100))In [161]: %timeit (np.arange(a.max()+1) == a[...,None]).astype(int)1000 loops, best of 3: 1.51 ms per loopIn [162]: %timeit onehot_initialization(a)1000 loops, best of 3: 478 µs per loopIn [163]: %timeit onehot_sparse(a)10000 loops, best of 3: 87.5 µs per loopIn [164]: %timeit onehot_sparse(a).toarray()1000 loops, best of 3: 530 µs per loop
案例2：
In [166]: a = np.random.randint(0,500,(100,100))In [167]: %timeit (np.arange(a.max()+1) == a[...,None]).astype(int)100 loops, best of 3: 8.51 ms per loopIn [168]: %timeit onehot_initialization(a)100 loops, best of 3: 2.52 ms per loopIn [169]: %timeit onehot_sparse(a)10000 loops, best of 3: 87.1 µs per loopIn [170]: %timeit onehot_sparse(a).toarray()100 loops, best of 3: 2.67 ms per loop
挤出最佳性能
为了获得最佳性能，我们可以修改方法2，以在
2D成形的输出数组上使用索引，还可以使用
uint8dtype来提高内存效率，从而加快分配速度，例如：
def onehot_initialization_v2(a): ncols = a.max()+1 out = np.zeros( (a.size,ncols), dtype=np.uint8) out[np.arange(a.size),a.ravel()] = 1 out.shape = a.shape + (ncols,) return out
时间-
In [178]: a = np.random.randint(0,100,(100,100))In [179]: %timeit onehot_initialization(a) ...: %timeit onehot_initialization_v2(a) ...: 1000 loops, best of 3: 474 µs per loop10000 loops, best of 3: 128 µs per loopIn [180]: a = np.random.randint(0,500,(100,100))In [181]: %timeit onehot_initialization(a) ...: %timeit onehot_initialization_v2(a) ...: 100 loops, best of 3: 2.38 ms per loop1000 loops, best of 3: 213 µs per loop
