将数字编码为分类向量

Question

我有一个整数向量 y <- c(1, 2, 3, 3)，现在我想将它转换成这样的列表（一个热编码）：

我试图找到 to_categorical 的解决方案，但我遇到了数据类型的问题...有谁知道这个任务的智能和流畅的解决方案？

这是我的尝试：

 for (i in 1:length(y)) {
  one_character <- list(as.vector(to_categorical(y[[i]], num_classes = 3)))
  list_test <- rbind(list_test, one_character)
  }

但我收到以下错误：

Error in py_call_impl(callable, dots$args, dots$keywords) : 
  IndexError: index 3 is out of bounds for axis 1 with size 3

Answer 1

这是 base R 中的一种方法。创建一个 matrix 的 0s 并根据行的顺序和 y 值分配 1 作为列索引

m1 <- matrix(0, length(y), max(y))
m1[cbind(seq_along(y), y)] <- 1
m1
#      [,1] [,2] [,3]
#[1,]    1    0    0
#[2,]    0    1    0
#[3,]    0    0    1
#[4,]    0    0    1

在base R中，我们也可以做到

table(seq_along(y), y)
#  y
#    1 2 3
#  1 1 0 0
#  2 0 1 0
#  3 0 0 1
#  4 0 0 1

或者另一个选项是 model.frame 来自 base R

model.matrix(~factor(y) - 1)

Answer 2

为简单起见，我更喜欢@akrun 的回答，但也有其他选择：

数据：

dat <- data.frame(y=c(1,2,3,3))
dat$id <- seq_len(nrow(dat))
dat$one <- 1L

添加了 "id" 字段以保留行 separate/unique。由于我正在重塑数据，我需要保留一个值，因此临时变量 "one".

基本R

dat_base <- reshape(dat, idvar="id", v.names="one", timevar="y", direction="wide")
dat_base[2:4] <- lapply(dat_base[2:4], function(a) replace(a, is.na(a), 0))
dat_base
#   id one.1 one.2 one.3
# 1  1     1     0     0
# 2  2     0     1     0
# 3  3     0     0     1
# 4  4     0     0     1

dplyr

library(dplyr)
library(tidyr)
dat %>%
  spread(y, one) %>%
  mutate_all(~if_else(is.na(.), 0L, .))
#   id 1 2 3
# 1  1 1 0 0
# 2  2 0 1 0
# 3  3 0 0 1
# 4  4 0 0 1

data.table

library(data.table)
datdt <- as.data.table(dat)
dcast(datdt, id ~ y, value.var = "one", fill = 0)
#    id 1 2 3
# 1:  1 1 0 0
# 2:  2 0 1 0
# 3:  3 0 0 1
# 4:  4 0 0 1

Answer 3

带有 mltools 和 data.table 的一行：

one_hot(as.data.table(as.factor(y)))
   V1_1 V1_2 V1_3
1:    1    0    0
2:    0    1    0
3:    0    0    1
4:    0    0    1

Answer 4

另一个选项提供了 splitstackshape 包。

y <- c(1, 2, 3, 3)
splitstackshape:::numMat(y, fill = 0L)
#     1 2 3
#[1,] 1 0 0
#[2,] 0 1 0
#[3,] 0 0 1
#[4,] 0 0 1

将数字编码为分类向量

Encode numbers into categorical vectors

r

list

one-hot-encoding