问题:
给定一个字符串数据数组
dataSet = np.array(['kevin', 'greg', 'george', 'kevin'], dtype='U21'),
我想要一个返回索引数据集的函数
indexed_dataSet = np.array([0, 1, 2, 0], dtype='int')
和一个查找表
lookupTable = np.array(['kevin', 'greg', 'george'], dtype='U21')
这样
(lookupTable[indexed_dataSet] == dataSet).all()
是真的。请注意,indexed_dataSet
和 lookupTable
都可以进行排列,这样上面的内容就可以了(即 lookupTable
的顺序不是必需的) > 相当于 dataSet
中首次出现的顺序)。
慢解决方案:
我目前有以下缓慢的解决方案
def indexDataSet(dataSet):
"""Returns the indexed dataSet and a lookup table
Input:
dataSet : A length n numpy array to be indexed
Output:
indexed_dataSet : A length n numpy array containing values in {0, len(set(dataSet))-1}
lookupTable : A lookup table such that lookupTable[indexed_Dataset] = dataSet"""
labels = set(dataSet)
lookupTable = np.empty(len(labels), dtype='U21')
indexed_dataSet = np.zeros(dataSet.size, dtype='int')
count = -1
for label in labels:
count += 1
indexed_dataSet[np.where(dataSet == label)] = count
lookupTable[count] = label
return indexed_dataSet, lookupTable
有没有更快的方法来做到这一点?我觉得我在这里没有充分发挥 numpy 的潜力。
最佳答案
您可以使用 np.unique
使用 return_inverse
参数:
>>> lookupTable, indexed_dataSet = np.unique(dataSet, return_inverse=True)
>>> lookupTable
array(['george', 'greg', 'kevin'],
dtype='<U21')
>>> indexed_dataSet
array([2, 1, 0, 2])
如果愿意,您可以从这两个数组重建原始数组:
>>> lookupTable[indexed_dataSet]
array(['kevin', 'greg', 'george', 'kevin'],
dtype='<U21')
如果您使用 pandas,lookupTable, indexed_dataSet = pd.factorize(dataSet)
将实现相同的目的(并且可能对大型数组更有效)。
关于python - 将 NumPy 字符串数组映射为整数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36676576/