web-dev-qa-db-ja.com

numpyはカテゴリカル文字列配列を整数配列に変換します

カテゴリ変数の文字列配列をカテゴリ変数の整数配列に変換しようとしています。

例.

import numpy as np
a = np.array( ['a', 'b', 'c', 'a', 'b', 'c'])
print a.dtype
>>> |S1

b = np.unique(a)
print b
>>>  ['a' 'b' 'c']

c = a.desired_function(b)
print c, c.dtype
>>> [1,2,3,1,2,3] int32

これはループで実行できることはわかっていますが、もっと簡単な方法があると思います。ありがとう。

pythonstatisticsnumpymachine-learning
15
wroscoe

まあ、これはハックです...しかしそれは役に立ちますか？

In [72]: c=(a.view(np.ubyte)-96).astype('int32')

In [73]: print(c,c.dtype)
(array([1, 2, 3, 1, 2, 3]), dtype('int32'))
1
unutbu

np.uniqueにはいくつかのオプションのリターンがあります

return_inverseは、私が頻繁に使用する整数エンコーディングを提供します

>>> b, c = np.unique(a, return_inverse=True)
>>> b
array(['a', 'b', 'c'], 
      dtype='|S1')
>>> c
array([0, 1, 2, 0, 1, 2])
>>> c+1
array([1, 2, 3, 1, 2, 3])

一意から元の配列を再作成するために使用できます

>>> b[c]
array(['a', 'b', 'c', 'a', 'b', 'c'], 
      dtype='|S1')
>>> (b[c] == a).all()
True
36
Josef

...数年後....

完全性（これは回答に記載されていないため）と個人的な理由（私は常にモジュールにpandasをインポートしていますが、必ずしもsklearnとは限りません）、これはpandas.get_dummies()でも非常に簡単です

import numpy as np
import pandas

In [1]: a = np.array(['a', 'b', 'c', 'a', 'b', 'c'])

In [2]: b = pandas.get_dummies(a)

In [3]: b
Out[3]: 
      a  b  c
   0  1  0  0
   1  0  1  0
   2  0  0  1
   3  1  0  0
   4  0  1  0
   5  0  0  1

In [3]: b.values.argmax(1)
Out[4]: array([0, 1, 2, 0, 1, 2])
26
benjaminmgross

1つの方法は、 categorical 関数を scikits.statsmodels から使用することです。例えば：

In [60]: from scikits.statsmodels.tools import categorical

In [61]: a = np.array( ['a', 'b', 'c', 'a', 'b', 'c'])

In [62]: b = categorical(a, drop=True)

In [63]: b.argmax(1)
Out[63]: array([0, 1, 2, 0, 1, 2])

categorical（b）からの戻り値は実際には計画行列であるため、上記のargmaxを呼び出して、目的の形式に近づけます。

In [64]: b
Out[64]:
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.],
       [ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])
17
ars

別のアプローチは、Pandas factorizeを使用して、アイテムを数値にマップすることです。

In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: a = np.array(['a', 'b', 'c', 'a', 'b', 'c'])
In [4]: a_enc = pd.factorize(a)
In [5]: a_enc[0]
Out[5]: array([0, 1, 2, 0, 1, 2])
In [6]: a_enc[1]
Out[6]: array(['a', 'b', 'c'], dtype=object)
2
tomp

別のオプションは、カテゴリカルpandasシリーズ：

>>> import pandas as pd
>>> pd.Series(['a', 'b', 'c', 'a', 'b', 'c'], dtype="category").cat.codes.values

array([0, 1, 2, 0, 1, 2], dtype=int8)
0
Gregor Sturm

...もう少し年が経ちます...

完全を期すために純粋なpythonソリューションを提供すると思いました：

def count_unique(a):
    def counter(item, c=[0], items={}):
        if item not in items:
            items[item] = c[0]
            c[0] += 1
        return items[item]
    return map(counter, a)

a = [0, 2, 6, 0, 2]
print count_unique(a)
>> [0, 1, 2, 0, 1]
0
kezzos