NumPy如何将标签数组映射为对应索引为1的二进制数组

你要实现的本质是0-9取值标签的独热编码转换，用NumPy的向量化操作可以完全避开Python层循环，性能远高于迭代写法，下面是两种可直接用的实现：

方法1：零数组索引赋值（性能最优，推荐大数据量场景用） #

先初始化和目标形状一致的全0数组，再通过NumPy高级索引直接把对应位置设为1，没有多余内存开销：

import numpy as np

labels = [1, 4, 9]
labels = np.asarray(labels, dtype=int)
# 初始化形状为(样本数, 10)的全0数组，0-9共10个取值位
binary = np.zeros((labels.size, 10), dtype=int)
# 逐行对应标签位置赋值为1
binary[np.arange(labels.size), labels] = 1

运行输出和示例完全一致：

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

方法2：单位矩阵索引（写法最简洁） #

先生成10阶单位矩阵（第i行仅第i位为1），直接用标签值索引对应行即可，代码更短，性能和方法1差距极小：

binary = np.eye(10, dtype=int)[labels]

注意事项 #

• 两种方法都要求标签取值在0-9范围内，传入超出范围的值会触发索引越界错误，用之前可以先加assert (labels >=0).all() and (labels <=9).all()做校验
• 如果需要对接深度学习框架常用的浮点类型，把dtype=int改成对应类型比如np.float32即可

内容的提问来源于stack exchange，提问作者user2919910