Question

最好的做法是：给定一个大小为N的离散变量的一维数组（此处N = 4），X是唯一元素的数量，我试图创建一个大小的多维数组（N * X ）元素为1或0，取决于1-D数组中元素的出现，例如在array_1D（N = 4和X = 3）之后将得到大小为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]]

谢谢，

阿苏

Answer 1

试试这个：

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

如果需要布尔数组，可以省略.astype(np.int)部分。在这里，我们使用broadcasting（[..., None]部分）来避免显式循环。

按照评论中的建议细分：

>>> 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)

Answer 2

如果初始数组包含从0到n - 1的有效索引，那么您可以编写

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

结果矩阵将是

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

这是你期望的转座。

这里发生的是numpy使用array_1D的元素作为eye的行索引。因此，得到的矩阵包含与array_1D的元素一样多的行，并且它们中的每一个都与相应的元素相关。（0与1 0 0等有关。）

在Numpy中将离散值的1-D数组转换为连续值的n-D数组

2 个答案: