将一个 NumPy 字符串数组映射为整数。

Question

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。

- rwolst

Answer 1

你可以使用 np.unique 函数，并指定 return_inverse 参数：

>>> lookupTable, indexed_dataSet = np.unique(dataSet, return_inverse=True)
>>> lookupTable
array(['george', 'greg', 'kevin'], 
      dtype='<U21')
>>> indexed_dataSet
array([2, 1, 0, 2])

如果您愿意，您可以从这两个数组重构原始数组：

>>> lookupTable[indexed_dataSet]
array(['kevin', 'greg', 'george', 'kevin'], 
      dtype='<U21')

如果您使用pandas，lookupTable，indexed_dataSet = pd.factorize(dataSet)将实现相同的功能（并且对于大型数组可能更有效）。

- Alex Riley

---

你改变了我的生活！ - undefined

Answer 2

np.searchsorted可以解决这个问题:

dataSet = np.array(['kevin', 'greg', 'george', 'kevin'], dtype='U21'), 
lut = np.sort(np.unique(dataSet))  # [u'george', u'greg', u'kevin']
ind = np.searchsorted(lut,dataSet) # array([[2, 1, 0, 2]])

- Bob Baxley