如果输入为零,我想创建一个如下所示的数组:
[1,0,0,0,0,0,0,0,0,0]
如果输入为 5:
[0,0,0,0,0,1,0,0,0,0]
对于上面我写的:
np.put(np.zeros(10),5,1)
但它没有用。
有什么方法可以在一行中实现吗?
如果输入为零,我想创建一个如下所示的数组:
[1,0,0,0,0,0,0,0,0,0]
如果输入为 5:
[0,0,0,0,0,1,0,0,0,0]
对于上面我写的:
np.put(np.zeros(10),5,1)
但它没有用。
有什么方法可以在一行中实现吗?
通常,当您想要在机器学习中获得用于分类的 one-hot 编码时,您有一个索引数组。
import numpy as np
nb_classes = 6
targets = np.array([[2, 3, 4, 0]]).reshape(-1)
one_hot_targets = np.eye(nb_classes)[targets]
现在one_hot_targets
是
array([[[ 0., 0., 1., 0., 0., 0.],
[ 0., 0., 0., 1., 0., 0.],
[ 0., 0., 0., 0., 1., 0.],
[ 1., 0., 0., 0., 0., 0.]]])
.reshape(-1)
可以确保您拥有正确的标签格式(您可能也有)[[2], [3], [4], [0]]
。这-1
是一个特殊的值,意思是“把所有剩余的东西都放在这个维度上”。由于只有一个,它会使阵列变平。
def get_one_hot(targets, nb_classes):
res = np.eye(nb_classes)[np.array(targets).reshape(-1)]
return res.reshape(list(targets.shape)+[nb_classes])
您可以使用mpu.ml.indices2one_hot。它经过测试且易于使用:
import mpu.ml
one_hot = mpu.ml.indices2one_hot([1, 3, 0], nb_classes=5)
就像是 :
np.array([int(i == 5) for i in range(10)])
应该做的伎俩。但我想还有其他使用 numpy 的解决方案。
编辑:您的公式不起作用的原因:np.put 不返回任何内容,它只是修改了第一个参数中给出的元素。使用时的好答案np.put()
是:
a = np.zeros(10)
np.put(a,5,1)
问题是它不能在一行中完成,因为您需要在将数组传递给之前定义数组np.put()
您可以使用列表理解:
[0 if i !=5 else 1 for i in range(10)]
转向
[0,0,0,0,0,1,0,0,0,0]
使用np.identity
或np.eye
。您可以使用输入 i 和数组大小 s 尝试这样的操作:
np.identity(s)[i:i+1]
例如,print(np.identity(5)[0:1])
将导致:
[[ 1. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
如果您使用的是 TensorFlow,则可以使用tf.one_hot
:https ://www.tensorflow.org/api_docs/python/array_ops/slicing_and_joining#one_hot
这里的问题是您无法将数组保存在任何地方。该put
函数在数组上工作并且不返回任何内容。由于您从不给数组命名,因此以后无法对其进行寻址。所以这
one_pos = 5
x = np.zeros(10)
np.put(x, one_pos, 1)
会工作,但你可以只使用索引:
one_pos = 5
x = np.zeros(10)
x[one_pos] = 1
在我看来,如果没有特殊原因将其作为一个班轮这样做,那将是正确的方法。这也可能更容易阅读并且可读的代码是好的代码。
快速查看手册,您会发现np.put
它没有返回值。虽然您的技术很好,但您正在访问None
而不是结果数组。
对于一维数组,最好只使用直接索引,尤其是对于这种简单的情况。
以下是如何以最少的修改重写代码:
arr = np.zeros(10)
np.put(arr, 5, 1)
以下是如何使用索引而不是第二行put
:
arr[5] = 1
就地改变其np.put
数组 arg 。在 Python 中,执行就地突变以返回的函数/方法是常规的;遵守该公约。所以如果是一维数组,你做None
np.put
a
a = np.put(a, 5, 1)
然后a
将被None
.
您的代码与此类似,但它将未命名的数组传递给np.put
.
一种紧凑而有效的方式来做你想做的事是一个简单的功能,例如:
import numpy as np
def one_hot(i):
a = np.zeros(10, 'uint8')
a[i] = 1
return a
a = one_hot(5)
print(a)
输出
[0 0 0 0 0 1 0 0 0 0]
我不确定性能,但以下代码有效并且很整洁。
x = np.array([0, 5])
x_onehot = np.identity(6)[x]
import time
start_time = time.time()
z=[]
for l in [1,2,3,4,5,6,1,2,3,4,4,6,]:
a= np.repeat(0,10)
np.put(a,l,1)
z.append(a)
print("--- %s seconds ---" % (time.time() - start_time))
#--- 0.00174784660339 seconds ---
import time
start_time = time.time()
z=[]
for l in [1,2,3,4,5,6,1,2,3,4,4,6,]:
z.append(np.array([int(i == l) for i in range(10)]))
print("--- %s seconds ---" % (time.time() - start_time))
#--- 0.000400066375732 seconds ---