使用 NumPy 从 Python 中的位置向量进行没有 for 循环的单热编码？

Question

我有一些想要 "one-hot encode" 的数据，它表示为位置的一维向量。

NumPy 中是否有任何函数可以将我的 x 扩展为我的 x_ohe？

在观看 Jake Vanderplas's talk

之后，我试图不惜一切代价避免在 Python 中使用 for 循环进行此类操作

x = np.asarray([0,0,1,0,2])
x_ohe = np.zeros((len(x), 3), dtype=int)
for i, pos in enumerate(x):
    x_ohe[i,pos] = 1
x_ohe
# array([[1, 0, 0],
#        [1, 0, 0],
#        [0, 1, 0],
#        [1, 0, 0],
#        [0, 0, 1]])

Answer 1

如果x只包含非负整数，您可以将x与使用numpy broadcasting的序列进行比较并将结果转换为int小号：

(x[:,None] == np.arange(x.max()+1)).astype(int)

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

---

或者先初始化，再赋值使用advanced indexing:

x_ohe = np.zeros((len(x), 3), dtype=int)
x_ohe[np.arange(len(x)), x] = 1
x_ohe

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

Answer 2

一个班轮：

np.equal.outer(x,range(3)).astype(int)

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

np.equal.outer(x,np.unique(x)).astype(int) 也适用于此。