如何有效地将布尔值 table 转换为一个热向量？

Question

假设我有一个 table 看起来像这样的东西 -

Movie        Action      Scifi       Drama          Romance
Abc           True       False       False            False
Def           False      False        True            False
Ghi           False      False       False            True

我想将它转换成一个热向量，这样

Abc - [1   0    0   0]'
Def - [0   0    1   0]'
Ghi - [0   0    0   1]'

已知只有一列可以为True。

在python中有没有有效的方法来做到这一点？

Answer 1

您可以使用 numpy 来做到这一点。

import numpy as np

Abc = np.array([True,False,False,False])
Def = np.array([False,False,True,False])
Ghi = np.array([False,False,False,True])
movies = np.array([Abc, Def, Ghi])
print("Input:")
print(movies)

#casting from boolean to integer
result  = np.array(movies, dtype=np.int)

print("Output:")
print(result)

Answer 2

好的，所以我找到了一种方法来为更大的数据集执行此操作。

df['genre'] = pd.Series(np.random.randn(size), index=df.index)
for i in range(len(df)):
    if df.iloc[i]['action'] == True:
        df.at[i, 'genre'] = 0        
    elif df.iloc[i]['scifi'] == True:
        df.at[i, 'genre'] = 1
    elif df.iloc[i]['drama'] == True:
        df.at[i, 'genre'] = 2
    elif df.iloc[i]['romance'] == True:
        df.at[i, 'genre'] = 3

因此，通过这样做，我们将在名为 'genre' 的数据框中创建一个新列并为其赋予适当的值。之后，

y = df['genre']
import tensorflow as tf
y_categorical = tf.keras.utils.to_categorical(y)

这将完成将其转换为一个热向量的工作。

如何有效地将布尔值 table 转换为一个热向量？

How can I convert a boolean table to one hot vectors efficiently?

python

one-hot-encoding