Digamos que eu tenho uma matriz numpy 1d

a = array([1,0,3])

Gostaria de codificar isso como uma matriz 2d 1-hot

b = array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])

Existe uma maneira rápida de fazer isso? Mais rápido do que apenas fazer um loop apara definir elementos b, é isso.

Sua matriz adefine as colunas dos elementos diferentes de zero na matriz de saída. Você também precisa definir as linhas e usar a indexação sofisticada:

>>> a = np.array([1, 0, 3])
>>> b = np.zeros((a.size, a.max()+1))
>>> b[np.arange(a.size),a] = 1
>>> b
array([[ 0.,  1.,  0.,  0.],
       [ 1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.]])

>>> values = [1, 0, 3]
>>> n_values = np.max(values) + 1
>>> np.eye(n_values)[values]
array([[ 0.,  1.,  0.,  0.],
       [ 1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.]])

Caso você esteja usando keras, existe um utilitário interno para isso:

from keras.utils.np_utils import to_categorical   

categorical_labels = to_categorical(int_labels, num_classes=3)

E faz praticamente o mesmo que a resposta do @ YXD (consulte o código-fonte ).

Aqui está o que eu acho útil:

def one_hot(a, num_classes):
  return np.squeeze(np.eye(num_classes)[a.reshape(-1)])

Aqui num_classesrepresenta o número de classes que você tem. Portanto, se você tiver um avetor com formato de (10000,), essa função o transforma em (10000, C) . Observe que aé indexado a zero, ou seja one_hot(np.array([0, 1]), 2), dará[[1, 0], [0, 1]] .

Exatamente o que você queria ter, eu acredito.

PS: a fonte é modelos de sequência - deeplearning.ai

Você pode usar sklearn.preprocessing.LabelBinarizer :

Exemplo:

import sklearn.preprocessing
a = [1,0,3]
label_binarizer = sklearn.preprocessing.LabelBinarizer()
label_binarizer.fit(range(max(a)+1))
b = label_binarizer.transform(a)
print('{0}'.format(b))

resultado:

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

Entre outras coisas, você pode inicializar sklearn.preprocessing.LabelBinarizer()para que a saída de transformseja esparsa.

Você também pode usar a função ocular de numpy:

numpy.eye(number of classes)[vector containing the labels]

Aqui está uma função que converte um vetor 1-D em um array 2-D one-hot.

#!/usr/bin/env python
import numpy as np

def convertToOneHot(vector, num_classes=None):
    """
    Converts an input 1-D vector of integers into an output
    2-D array of one-hot vectors, where an i'th input value
    of j will set a '1' in the i'th row, j'th column of the
    output array.

    Example:
        v = np.array((1, 0, 4))
        one_hot_v = convertToOneHot(v)
        print one_hot_v

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

    assert isinstance(vector, np.ndarray)
    assert len(vector) > 0

    if num_classes is None:
        num_classes = np.max(vector)+1
    else:
        assert num_classes > 0
        assert num_classes >= np.max(vector)

    result = np.zeros(shape=(len(vector), num_classes))
    result[np.arange(len(vector)), vector] = 1
    return result.astype(int)

Abaixo está um exemplo de uso:

>>> a = np.array([1, 0, 3])

>>> convertToOneHot(a)
array([[0, 1, 0, 0],
       [1, 0, 0, 0],
       [0, 0, 0, 1]])

>>> convertToOneHot(a, num_classes=10)
array([[0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0, 0, 0, 0, 0]])

Para codificação 1 quente

   one_hot_encode=pandas.get_dummies(array)

Por exemplo

APRECIE CODIFICAÇÃO

Eu acho que a resposta curta é não. Para um caso mais genérico em ndimensões, vim com isso:

# For 2-dimensional data, 4 values
a = np.array([[0, 1, 2], [3, 2, 1]])
z = np.zeros(list(a.shape) + [4])
z[list(np.indices(z.shape[:-1])) + [a]] = 1

Gostaria de saber se existe uma solução melhor - não gosto que tenha que criar essas listas nas duas últimas linhas. De qualquer forma, fiz algumas medições timeite parece que as versões com numpybase ( indices/ arange) e iterativa têm o mesmo desempenho.

Apenas para elaborar a excelente resposta do K3 --- rnc , aqui está uma versão mais genérica:

def onehottify(x, n=None, dtype=float):
    """1-hot encode x with the max value n (computed from data if n is None)."""
    x = np.asarray(x)
    n = np.max(x) + 1 if n is None else n
    return np.eye(n, dtype=dtype)[x]

Além disso, aqui está uma referência rápida e suja desse método e um método da resposta atualmente aceita pelo YXD (ligeiramente alterada, para que eles ofereçam a mesma API, exceto que o último funciona apenas com ndarrays 1D):

def onehottify_only_1d(x, n=None, dtype=float):
    x = np.asarray(x)
    n = np.max(x) + 1 if n is None else n
    b = np.zeros((len(x), n), dtype=dtype)
    b[np.arange(len(x)), x] = 1
    return b

O último método é ~ 35% mais rápido (MacBook Pro 13 2015), mas o primeiro é mais geral:

>>> import numpy as np
>>> np.random.seed(42)
>>> a = np.random.randint(0, 9, size=(10_000,))
>>> a
array([6, 3, 7, ..., 5, 8, 6])
>>> %timeit onehottify(a, 10)
188 µs ± 5.03 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> %timeit onehottify_only_1d(a, 10)
139 µs ± 2.78 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

Você pode usar o seguinte código para converter em um vetor quente:

deixe x é o vetor de classe normal com uma única coluna com classes 0 a algum número:

import numpy as np
np.eye(x.max()+1)[x]

se 0 não é uma classe; depois remova o +1.

Recentemente, encontrei um problema do mesmo tipo e encontrei a referida solução, que acabou sendo satisfatória apenas se você tiver números que se enquadram em uma determinada formação. Por exemplo, se você deseja codificar com hot-list a seguinte lista:

all_good_list = [0,1,2,3,4]

vá em frente, as soluções publicadas já são mencionadas acima. Mas e se considerar esses dados:

problematic_list = [0,23,12,89,10]

Se você fizer isso com os métodos mencionados acima, provavelmente terminará com 90 colunas de uma só vez. Isso ocorre porque todas as respostas incluem algo parecido n = np.max(a)+1. Encontrei uma solução mais genérica que funcionou para mim e queria compartilhar com você:

import numpy as np
import sklearn
sklb = sklearn.preprocessing.LabelBinarizer()
a = np.asarray([1,2,44,3,2])
n = np.unique(a)
sklb.fit(n)
b = sklb.transform(a)

Espero que alguém tenha encontrado as mesmas restrições nas soluções acima e isso possa ser útil

Esse tipo de codificação geralmente faz parte de um array numpy. Se você estiver usando uma matriz numpy como esta:

a = np.array([1,0,3])

então existe uma maneira muito simples de converter isso em codificação 1-hot

out = (np.arange(4) == a[:,None]).astype(np.float32)

É isso aí.

• p será uma segunda matriz.
• Queremos saber qual valor é o mais alto consecutivo, colocar 1 e em qualquer outro lugar 0.

solução limpa e fácil:

max_elements_i = np.expand_dims(np.argmax(p, axis=1), axis=1)
one_hot = np.zeros(p.shape)
np.put_along_axis(one_hot, max_elements_i, 1, axis=1)

Usando uma etapa do pipeline Neuraxle :

1. Configure seu exemplo

import numpy as np
a = np.array([1,0,3])
b = np.array([[0,1,0,0], [1,0,0,0], [0,0,0,1]])

2. Faça a conversão real

from neuraxle.steps.numpy import OneHotEncoder
encoder = OneHotEncoder(nb_columns=4)
b_pred = encoder.transform(a)

3. Afirme que funciona

assert b_pred == b

Link para a documentação: neuraxle.steps.numpy.OneHotEncoder

Aqui está um exemplo de função que eu escrevi para fazer isso com base nas respostas acima e no meu próprio caso de uso:

def label_vector_to_one_hot_vector(vector, one_hot_size=10):
    """
    Use to convert a column vector to a 'one-hot' matrix

    Example:
        vector: [[2], [0], [1]]
        one_hot_size: 3
        returns:
            [[ 0.,  0.,  1.],
             [ 1.,  0.,  0.],
             [ 0.,  1.,  0.]]

    Parameters:
        vector (np.array): of size (n, 1) to be converted
        one_hot_size (int) optional: size of 'one-hot' row vector

    Returns:
        np.array size (vector.size, one_hot_size): converted to a 'one-hot' matrix
    """
    squeezed_vector = np.squeeze(vector, axis=-1)

    one_hot = np.zeros((squeezed_vector.size, one_hot_size))

    one_hot[np.arange(squeezed_vector.size), squeezed_vector] = 1

    return one_hot

label_vector_to_one_hot_vector(vector=[[2], [0], [1]], one_hot_size=3)

Estou adicionando para concluir uma função simples, usando apenas operadores numpy:

   def probs_to_onehot(output_probabilities):
        argmax_indices_array = np.argmax(output_probabilities, axis=1)
        onehot_output_array = np.eye(np.unique(argmax_indices_array).shape[0])[argmax_indices_array.reshape(-1)]
        return onehot_output_array

Toma como entrada uma matriz de probabilidade: por exemplo:

[[0,03038822 0,65810204 0,16549407 0,3797123] ... [0,02771272 0,2760752 0,3280924 0,33458805]]

E vai voltar

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

Aqui está uma solução independente de dimensionalidade.

Isso converterá qualquer matriz N-dimensional arrde números inteiros não negativos em uma matriz N-1 dimensional quente one_hot, onde one_hot[i_1,...,i_N,c] = 1significa arr[i_1,...,i_N] = c. Você pode recuperar a entrada vianp.argmax(one_hot, -1)

def expand_integer_grid(arr, n_classes):
    """

    :param arr: N dim array of size i_1, ..., i_N
    :param n_classes: C
    :returns: one-hot N+1 dim array of size i_1, ..., i_N, C
    :rtype: ndarray

    """
    one_hot = np.zeros(arr.shape + (n_classes,))
    axes_ranges = [range(arr.shape[i]) for i in range(arr.ndim)]
    flat_grids = [_.ravel() for _ in np.meshgrid(*axes_ranges, indexing='ij')]
    one_hot[flat_grids + [arr.ravel()]] = 1
    assert((one_hot.sum(-1) == 1).all())
    assert(np.allclose(np.argmax(one_hot, -1), arr))
    return one_hot

Use o seguinte código. Funciona melhor.

def one_hot_encode(x):
"""
    argument
        - x: a list of labels
    return
        - one hot encoding matrix (number of labels, number of class)
"""
encoded = np.zeros((len(x), 10))

for idx, val in enumerate(x):
    encoded[idx][val] = 1

return encoded

Encontre aqui PS Você não precisa entrar no link.