在NumPy数组中直接替换字典值实现独热编码为何出现内容截断？

我有一个包含单词的数组，想要执行独热编码。输入示例为：AI DSA DSA AI ML ML AI DS DS AI C AI ML ML C。

我的代码如下：

import numpy as np

def apply_one_hot_encoding(X):
    dic = {}
    k = sorted(list(set(X)))
    for i in range(len(k)):
        arr = ['0' for i in range(len(k))]
        arr[i] = '1'
        dic[k[i]] = ''.join(arr)
    for i in range(len(X)):
        t = dic[X[i]]
        X[i] = t
    return X

if __name__ == "__main__":
    X = np.array(list(input().split()))
    one_hot_encoded_array = apply_one_hot_encoding(X)
    for i in one_hot_encoded_array:
        print(*i)

我预期的输出是每行对应5位编码（比如1 0 0 0 0），但实际得到的输出每行仅3位（如1 0 0）。如果把t值追加到另一个列表并返回该列表，就能得到正确结果。请问为何直接替换时赋值会被截断为仅3个字符？

问题根源：NumPy数组的固定数据类型限制 #

你遇到的问题核心在于NumPy数组的 dtype 特性：
当你用np.array(list(input().split()))创建数组时，NumPy会自动推断元素的数据类型。你的输入里最长的单词是DSA（3个字符），所以NumPy会把数组的 dtype 设置为<U3（表示最多容纳3个字符的Unicode字符串）。

当你把长度为5的独热编码字符串（比如"10000"）赋值给这个数组的元素时，NumPy会自动截断字符串到3个字符，只保留前3位，这就是你看到输出只有1 0 0的原因。

而如果用普通Python列表处理，列表对元素的长度没有限制，所以追加到新列表就能得到完整的编码。

解决方案 #

这里有几个可行的解决办法：

1. 改用普通Python列表处理

直接去掉NumPy数组的包装，用原生列表存储输入：

if __name__ == "__main__":
    X = list(input().split())  # 这里不再转成numpy数组
    one_hot_encoded_array = apply_one_hot_encoding(X)
    for i in one_hot_encoded_array:
        print(*i)

这样修改后，列表元素可以是任意长度的字符串，不会出现截断问题。

2. 显式指定NumPy数组的字符串长度

如果必须使用NumPy数组，创建时指定足够大的字符串 dtype，确保能容纳独热编码的长度：

if __name__ == "__main__":
    X = np.array(list(input().split()), dtype='<U5')  # 指定最多5个字符
    one_hot_encoded_array = apply_one_hot_encoding(X)
    for i in one_hot_encoded_array:
        print(*i)

这里<U5表示允许存储最多5个字符的Unicode字符串，刚好匹配你需要的5位编码。如果以后编码长度变化，也可以调整这个数值（比如<U10）。

3. 返回新列表（你已经验证有效的方法）

在函数内部创建一个新列表，将编码后的字符串添加进去，而不是修改原数组：

def apply_one_hot_encoding(X):
    dic = {}
    k = sorted(list(set(X)))
    for i in range(len(k)):
        arr = ['0' for i in range(len(k))]
        arr[i] = '1'
        dic[k[i]] = ''.join(arr)
    # 创建新列表存储结果
    result = []
    for item in X:
        result.append(dic[item])
    return result

这种方法避开了修改原NumPy数组的限制，同样能得到正确的结果。

内容的提问来源于stack exchange，提问作者Akula Sai Sridhar