如何从学生选课DataFrame生成含二维One-Hot编码的三维Numpy数组

问题说明 #

现有记录学生每学期选课情况的pandas DataFrame，需将其转换为形状为**(唯一学生数量, 唯一学期数量, 唯一课程数量)**的三维Numpy数组。其中每个学生对应的二维子数组是「学期×课程」的One-Hot编码矩阵：选过的课程对应位置为1，未选则为0。

输入数据示例 #

import pandas as pd

data = [['1011', 10, 'Spring-2022','MATH-101'],
        ['1011', 11, 'Summer-2022','BIO-101'],
        ['1011', 12, 'Fall-2022','STAT-102'],
        ['1011', 12, 'Fall-2022','CHEM-101'],
        ['1022', 10, 'Spring-2022','ART-101'],
        ['1022', 10, 'Spring-2022','HIST-102'],
        ['1022', 12, 'Fall-2022','MATH-101'],
       ]
df = pd.DataFrame(data, columns=['StudentID', 'TermID', 'Termname','CourseID'])

print(df)

输出的DataFrame内容：

StudentID  TermID     Termname CourseID
0        1011      10  Spring-2022  MATH-101
1        1011      11  Summer-2022  BIO-101
2        1011      12    Fall-2022  STAT-102
3        1011      12    Fall-2022  CHEM-101
4        1022      10  Spring-2022  ART-101
5        1022      10  Spring-2022  HIST-102
6        1022      12    Fall-2022  MATH-101

期望输出 #

本示例需生成形状为(2,3,6)的三维Numpy数组（对应2个学生、3个学期、6门课程），具体如下：

import numpy as np

arr = np.zeros((2,3,6))
arr[0,0,0] = 1 # 学生1011，学期10，课程MATH-101
arr[0,1,1] = 1 # 学生1011，学期11，课程BIO-101
arr[0,2,2] = 1 # 学生1011，学期12，课程STAT-102
arr[0,2,3] = 1 # 学生1011，学期12，课程CHEM-101
arr[1,0,4] = 1 # 学生1022，学期10，课程ART-101
arr[1,0,5] = 1 # 学生1022，学期10，课程HIST-102
arr[1,2,0] = 1 # 学生1022，学期12，课程MATH-101

print(arr)

输出结果：

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

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

实现方案 #

通过以下步骤完成转换：

1. 对StudentID、TermID、CourseID建立原始值到数组索引的映射；
2. 初始化对应形状的全零三维数组；
3. 遍历DataFrame，根据映射将对应位置设为1。

完整代码 #

import pandas as pd
import numpy as np

# 初始化输入DataFrame
data = [['1011', 10, 'Spring-2022','MATH-101'],
        ['1011', 11, 'Summer-2022','BIO-101'],
        ['1011', 12, 'Fall-2022','STAT-102'],
        ['1011', 12, 'Fall-2022','CHEM-101'],
        ['1022', 10, 'Spring-2022','ART-101'],
        ['1022', 10, 'Spring-2022','HIST-102'],
        ['1022', 12, 'Fall-2022','MATH-101'],
       ]
df = pd.DataFrame(data, columns=['StudentID', 'TermID', 'Termname','CourseID'])

# 提取各维度唯一值并创建索引映射
student_ids = df['StudentID'].unique()
term_ids = df['TermID'].unique()
course_ids = df['CourseID'].unique()

student_map = {sid: idx for idx, sid in enumerate(student_ids)}
term_map = {tid: idx for idx, tid in enumerate(term_ids)}
course_map = {cid: idx for idx, cid in enumerate(course_ids)}

# 初始化三维数组
shape = (len(student_ids), len(term_ids), len(course_ids))
result_arr = np.zeros(shape, dtype=np.float64)

# 填充One-Hot编码
for _, row in df.iterrows():
    s_idx = student_map[row['StudentID']]
    t_idx = term_map[row['TermID']]
    c_idx = course_map[row['CourseID']]
    result_arr[s_idx, t_idx, c_idx] = 1

print(result_arr)

代码说明 #

• 提取三个维度的唯一值，确保覆盖所有学生、学期和课程；
• 用字典建立原始ID到连续数组索引的映射，避免索引断层；
• 遍历DataFrame每一行，根据映射定位三维数组的对应位置并设为1；
• 最终输出符合要求的One-Hot编码三维数组。

内容的提问来源于stack exchange，提问作者seeker