numpy convertir des tableaux de chaînes catégoriques en un tableau d'entiers

Je suis en train de convertir un tableau de chaînes de variables catégorielles à un tableau d'entiers de variables catégorielles.

Ex.

import numpy as np
a = np.array( ['a', 'b', 'c', 'a', 'b', 'c'])
print a.dtype
>>> |S1

b = np.unique(a)
print b
>>>  ['a' 'b' 'c']

c = a.desired_function(b)
print c, c.dtype
>>> [1,2,3,1,2,3] int32

Je réalise que j'ai peut être fait avec une boucle, mais j'imagine que c'est un moyen plus facile. Merci.

source d'informationauteur wroscoe

  1. 1

    Bien, c'est un hack... mais est-il utile?

    In [72]: c=(a.view(np.ubyte)-96).astype('int32')

In [73]: print(c,c.dtype)
(array([1, 2, 3, 1, 2, 3]), dtype('int32'))
  2. 29

    np.unique a une option renvoie

    return_inverse donne l'entier de codage, que j'utilise très souvent

    >>> b, c = np.unique(a, return_inverse=True)
>>> b
array(['a', 'b', 'c'], 
      dtype='|S1')
>>> c
array([0, 1, 2, 0, 1, 2])
>>> c+1
array([1, 2, 3, 1, 2, 3])

    il peut être utilisé pour recréer le tableau original de uniques

    >>> b[c]
array(['a', 'b', 'c', 'a', 'b', 'c'], 
      dtype='|S1')
>>> (b[c] == a).all()
True
  3. 19

    ... des années plus tard....

    Complètes (parce que ce n'est pas mentionné dans les réponses) et des raisons personnelles (je toujours ont pandas importés dans mes modules, mais pas nécessairement sklearn), c'est aussi assez simple, avec pandas.get_dummies()

    import numpy as np
import pandas

In [1]: a = np.array(['a', 'b', 'c', 'a', 'b', 'c'])

In [2]: b = pandas.get_dummies(a)

In [3]: b
Out[3]: 
      a  b  c
   0  1  0  0
   1  0  1  0
   2  0  0  1
   3  1  0  0
   4  0  1  0
   5  0  0  1

In [3]: b.values.argmax(1)
Out[4]: array([0, 1, 2, 0, 1, 2])
  4. 17

    Une façon est d'utiliser l' catégorique fonction de scikits.statsmodels. Par exemple:

    In [60]: from scikits.statsmodels.tools import categorical

In [61]: a = np.array( ['a', 'b', 'c', 'a', 'b', 'c'])

In [62]: b = categorical(a, drop=True)

In [63]: b.argmax(1)
Out[63]: array([0, 1, 2, 0, 1, 2])

    La valeur de retour de categorical (b) est en fait une matrice de conception, d'où l'appel à argmax ci-dessus pour obtenir le format souhaité.

    In [64]: b
Out[64]:
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.],
       [ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])
  5. 2

    Une autre approche consiste à utiliser des Pandas factorize pour les éléments de la carte pour un nombre:

    In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: a = np.array(['a', 'b', 'c', 'a', 'b', 'c'])
In [4]: a_enc = pd.factorize(a)
In [5]: a_enc[0]
Out[5]: array([0, 1, 2, 0, 1, 2])
In [6]: a_enc[1]
Out[6]: array(['a', 'b', 'c'], dtype=object)
  6. 0

    ...certains plus les années passent...

    Pensé que je pourrais fournir un pur python solution pour l'exhaustivité:

    def count_unique(a):
    def counter(item, c=[0], items={}):
        if item not in items:
            items[item] = c[0]
            c[0] += 1
        return items[item]
    return map(counter, a)

a = [0, 2, 6, 0, 2]
print count_unique(a)
>> [0, 1, 2, 0, 1]