Numpy：将标签转换为索引
Numpy : convert labels into indexes
是否可以使用 numpy 将字符串向量转换为索引向量？
假设我有一个字符串数组，如 ['ABC', 'DEF', 'GHI', 'DEF', 'ABC'] 等。我希望将其更改为一个整数数组，如 [0,1,2,1,0]。可以使用 numpy 吗？我知道 Pandas 有一个 Series class 可以做到这一点，感谢 this answer。 numpy 也有类似的东西吗？
编辑：
np.unique() returns 所有元素的唯一值。我想要做的是将 Iris dataset 中的标签转换为索引，例如分别为 Iris-setosa 的 0、Iris-versicolor 的 1 和 Iris-virginica 的 2。有没有办法使用 numpy 来做到这一点？
使用numpy.unique with parameter return_inverse=True, but there is difference with handling NaNs - check factorizing values:
L = ['ABC', 'DEF', 'GHI', 'DEF', 'ABC']
print (np.unique(L, return_inverse=True)[1])
[0 1 2 1 0]
pandas factorize 也可以很好地处理列表或数组：
print (pd.factorize(L)[0])
[0 1 2 1 0]
是否可以使用 numpy 将字符串向量转换为索引向量？
假设我有一个字符串数组，如 ['ABC', 'DEF', 'GHI', 'DEF', 'ABC'] 等。我希望将其更改为一个整数数组，如 [0,1,2,1,0]。可以使用 numpy 吗？我知道 Pandas 有一个 Series class 可以做到这一点，感谢 this answer。 numpy 也有类似的东西吗？
编辑：
np.unique() returns 所有元素的唯一值。我想要做的是将 Iris dataset 中的标签转换为索引，例如分别为 Iris-setosa 的 0、Iris-versicolor 的 1 和 Iris-virginica 的 2。有没有办法使用 numpy 来做到这一点？
使用numpy.unique with parameter return_inverse=True, but there is difference with handling NaNs - check factorizing values:
L = ['ABC', 'DEF', 'GHI', 'DEF', 'ABC']
print (np.unique(L, return_inverse=True)[1])
[0 1 2 1 0]
pandas factorize 也可以很好地处理列表或数组：
print (pd.factorize(L)[0])
[0 1 2 1 0]