如何使用Numpy将字符串标签向量转换为索引化向量？

当然可以用NumPy实现这个需求！而且刚好能利用你提到的np.unique()函数来完成，这也是处理分类标签（比如鸢尾花数据集的品种标签）的常用方案。

方法一：直接用np.unique()的return_inverse参数 #

np.unique()有一个非常实用的参数return_inverse，当设置为True时，它会返回原始数组中每个元素在唯一值数组中的索引，完全符合你要的转换效果。

示例代码：

import numpy as np

# 你的示例字符串数组
str_array = np.array(['ABC', 'DEF', 'GHI', 'DEF', 'ABC'])
# 获取唯一值数组，以及原始数组对应的索引
unique_labels, index_array = np.unique(str_array, return_inverse=True)

print(index_array)  # 输出: [0 1 2 1 0]
print(unique_labels)  # 输出: ['ABC' 'DEF' 'GHI']

这里unique_labels是排序后的唯一字符串集合，index_array就是你需要的整数索引数组。对于鸢尾花数据集的标签（比如['setosa', 'versicolor', 'virginica']），这种方法完全适用——不管标签的排序顺序如何，只要索引和标签一一对应，后续的模型训练或分析都不会受影响。

方法二：保持标签首次出现的顺序 #

如果你的需求是按标签第一次出现的顺序分配索引（而不是默认的排序后顺序），可以结合np.unique()的return_index参数来实现：

示例代码：

import numpy as np

str_array = np.array(['DEF', 'ABC', 'DEF', 'GHI'])
# 获取唯一值数组，以及每个唯一值在原始数组中第一次出现的索引
unique_vals, first_indices = np.unique(str_array, return_index=True)
# 按第一次出现的顺序重新排序唯一值
ordered_unique_vals = unique_vals[np.argsort(first_indices)]
# 创建标签到索引的映射字典
label_to_idx = {label: idx for idx, label in enumerate(ordered_unique_vals)}
# 转换原始数组为索引数组
index_array = np.array([label_to_idx[label] for label in str_array])

print(index_array)  # 输出: [0 1 0 2]
print(ordered_unique_vals)  # 输出: ['DEF' 'ABC' 'GHI']

和Pandas方法的对比 #

你提到Pandas的Series.astype('category').cat.codes可以实现类似功能，NumPy的方法优势在于不需要依赖Pandas库，更轻量化，尤其在只需要基础数值处理的场景下更高效。

内容的提问来源于stack exchange，提问作者srdg