如何使用numpy向量化操作将1D标签数组转换为独热编码2D数组

你要实现的功能本质是生成分类任务常用的独热（One-Hot）编码，用Numpy高级索引就可以完全替代循环实现向量化操作，性能远高于Python层面的遍历。

实现代码 #

import numpy as np

# 支持输入Python列表或者Numpy数组格式的labels
labels = [1, 5, 3, 9, 4]
# 初始化全零数组，维度为（样本数，类别数10）
y_train = np.zeros((len(labels), 10), dtype=np.float64)
# 高级索引批量赋值
y_train[np.arange(len(labels)), labels] = 1.0

逻辑说明 #

• 核心利用了Numpy的整数数组索引特性，同时传入行索引数组np.arange(len(labels))（对应每个样本的行号）和列索引数组labels（对应每个样本需要置1的列号），就能一次性对所有匹配的位置批量赋值，全程没有Python层面的循环，所有运算都在Numpy底层C语言层面执行，数据量越大性能优势越明显，万级以上样本量时性能比for循环高几十到上百倍。
• 输出结果和你原有循环实现的结果完全一致：

array([[0., 1., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 1., 0., 0., 0., 0.],
       [0., 0., 0., 1., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
       [0., 0., 0., 0., 1., 0., 0., 0., 0., 0.]])

内容的提问来源于stack exchange，提问作者Hades