在Numpy中将一维离散值数组转换为n维连续值数组

Question

如何最好地完成以下任务：给定一个离散变量大小为N的1-D数组（此处N=4），其中X是唯一元素的数量，我想创建一个大小为（N*X）的多维数组，其中元素的值为1或0，取决于1-D数组中元素的出现情况。例如，以下array_1D（N=4且X=3）将导致大小为3*4的array_ND：

array_1D = np.array([x, y, z, x])
array_ND = [[1 0 0 1]
            [0 1 0 0]
            [0 0 1 0]]

感谢您的来信。

Aso

- Aso Agile

---

你的结果不会是NxN——即使你的例子是3x4。 - Warren Weckesser

@WarrenWeckesser 你说得对。我在看到你的评论后纠正了问题。 - Aso Agile

Answer 1

试试这个：

(np.unique(a)[..., None] == a).astype(np.int)

如果您想要一个布尔数组，可以省略 .astype(np.int) 部分。在这里，我们使用了广播（[..., None] 部分），以避免显式循环。

如评论中所建议的，可以将其拆分为以下几部分：

>>> import numpy as np
>>> a = np.array([1, 2, 3, 1])
>>> unique_elements = np.unique(a)
>>> result = unique_elements[..., None] == a
>>> unique_elements
array([1, 2, 3])
>>> result
array([[ True, False, False,  True],
       [False,  True, False, False],
       [False, False,  True, False]], dtype=bool)

- YXD

---

我正要给出几乎相同的答案。 :) 你应该将其分为两个步骤。用户将想要保存由np.unique(a)返回的数组，以了解数组中值的含义。 - Warren Weckesser

感谢@MrE的完美答案。Numpy真是太棒了！ - Aso Agile

Answer 2

如果初始数组包含从 0 到 n - 1 的有效索引，则您可以编写以下代码：

eye = np.eye(3)
array_1D = np.array([0, 1, 2, 0])
array_ND = eye[array_1D]

生成的矩阵将会是：

array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.],
       [ 1.,  0.,  0.]])

这里发生的事情是numpy使用array_1D的元素作为eye的行索引。因此，结果矩阵包含与array_1D元素一样多的行，每个元素都与相应的元素相关联。（0与1 0 0相关联，以此类推）这是你所期望的转置矩阵的一个变换形式。

- Eser Aygün