问题:
给定一个字符串数据的数组
dataSet = np.array(['kevin', 'greg', 'george', 'kevin'], dtype='U21'),
我希望有一个能够返回索引数据集的函数
indexed_dataSet = np.array([0, 1, 2, 0], dtype='int')
以及查找表
lookupTable = np.array(['kevin', 'greg', 'george'], dtype='U21')
使得
(lookupTable[indexed_dataSet] == dataSet).all()
是真的。请注意,indexed_dataSet
和lookupTable
都可以被置换以使上述条件成立,这是可以接受的(即,lookupTable
的顺序不必等同于其在dataSet
中首次出现的顺序)。
缓慢的解决方案:
我目前有以下缓慢的解决方案:
def indexDataSet(dataSet):
"""Returns the indexed dataSet and a lookup table
Input:
dataSet : A length n numpy array to be indexed
Output:
indexed_dataSet : A length n numpy array containing values in {0, len(set(dataSet))-1}
lookupTable : A lookup table such that lookupTable[indexed_Dataset] = dataSet"""
labels = set(dataSet)
lookupTable = np.empty(len(labels), dtype='U21')
indexed_dataSet = np.zeros(dataSet.size, dtype='int')
count = -1
for label in labels:
count += 1
indexed_dataSet[np.where(dataSet == label)] = count
lookupTable[count] = label
return indexed_dataSet, lookupTable
有没有更快的方法来做这件事?我感觉我在这里没有充分利用numpy。