从字符串中提取整数

Question

我想为一个聚类问题创建目标列表，其中 class 个来自我数据集每个实例的 class 个名称（标签）的列表。

class_name = ['class_1','class_2','class_3','class_3','class_1','class_2',\
'class_2','class_1','class_1','class_2','class_1','class_3']

目标列表应该是一个与class_name列表长度相同的数组，其中一个整数分配给不同的class标签。获得这个的投注方式是什么？

target = np.array([1, 2, 3, 3, 1, 2, 2, 1, 1, 2, 1, 3])

class 标签（例如 class_1）的格式为 'Xx_xx_xxx(A123)' 或 'Xx_xx_xxx (A123)'。括号中的文字不固定。列表类型为'unicode'。

Answer 1

您可以对 split 字符 '_' 上的字符串使用列表理解，取索引 [1] 处的数字，然后转换为 int

>>> target = np.array([int(i.split('_')[1]) for i in class_name])
>>> target
array([1, 2, 3, 3, 1, 2, 2, 1, 1, 2, 1, 3])

Answer 2

您应该做的第一件事是获取标准格式的 classes。根据您上面的描述，如果 classname 在字符串的括号中，那么您可以使用正则表达式来获取 classname.

import re
X = ['abc(class_1)', 'cde_(class_1)', 'def_(class_2)']
just_classes = [re.findall(r'\((.*)\)', thing)[0] for thing in X]
# ['class_1', 'class_1', 'class_2']

您可以在此处使用几种不同的方法。如果您正在使用 numpy，scipy 堆栈进行 ml，我建议您学习 sklearn 库。它有很多有用的机器学习和 AI 工具，包括编码 class 个名字。

使用 sklearn

from sklearn.preprocessing import LabelEncoder
class_names = ['class_1','class_2','class_3','class_3','class_1','class_2',\
        'class_2','class_1','class_1','class_2','class_1','class_3'] 

my_enc = LabelEncoder()
my_enc.fit(class_names)
encoded1 =  my_enc.transform(class_names)

没有外部库

classes = set(class_names)
d = {c:i for i,c in enumerate(classes)}
encoded2 = [d[c_name] for c_name in class_names]
print encoded1 #approach 1 gives numpy array
print encoded2 # approach 2 gives standard python list

这两种方法都应该有效。您自己实现的代码不多，但总的来说，我建议您查看 sklearn preprocessing 工具。

从字符串中提取整数

Extract integers from strings

python

label

使用 sklearn

没有外部库