Numpy中0-9数值转10位标记数组的转换名称及原生实现方法

转换的官方名称 #

该操作的标准官方名称是独热编码（One-Hot Encoding，也叫一位有效编码），是特征预处理领域的常规操作，主要用于将离散的类别值转换为固定长度的数值向量，方便后续输入到机器学习模型中使用。

Numpy无循环实现方案 #

完全可以通过Numpy原生的索引能力实现，不需要手动编写Python层面的循环，以下提供两种常用实现方式：

方式1：高级索引赋值（性能更优，适合大数组） #

import numpy as np
a = np.array([5, 2, 7])
num_classes = 10
# 初始化全0矩阵
b = np.zeros((a.shape[0], num_classes))
# 批量赋值对应位置为1，底层执行无Python循环
b[np.arange(a.shape[0]), a] = 1

执行后得到的b和你用循环得到的结果完全一致。

方式2：单位矩阵索引（写法更简洁） #

import numpy as np
a = np.array([5, 2, 7])
num_classes = 10
b = np.eye(num_classes)[a]

该方法利用单位矩阵的特性：np.eye(num_classes)生成的第k行恰好是k对应的独热向量，直接用数组a作为索引取对应行即可得到结果。

内容的提问来源于stack exchange，提问作者Toothery