Question

我有一些二进制2D numpy数组（prediction），如：

[
[1 0 1 0 1 1],
[0 0 1 0 0 1],
[1 1 1 1 1 0],
[1 1 0 0 1 1],
]

2D阵列中的每一行是将句子分类为特定类别，并且2D阵列中的每列对应于该句子的类别的分类。类别（categories数组）以['A','B','C','D','E','F']为例。

我有另一个2D数组（catIndex），其中包含要在每行中检查的值的索引，例如

[[0],
  [4],
  [5],
  [2]
]

对于上述4个实例。

我想要做的是现在遍历二进制2D数组和为每个句子指定的列索引，检查它是1还是0，然后附加相应的类别到一个新的数组（catResult = []）。如果是0，我会将"no_region"附加到新数组。

例如，在句子1中，我查看句子的索引0，并检查它是0还是1。它是1，因此我将'A'附加到我的新数组中。在第2句中，我查看句子的索引4，并看到它是0，因此我将"no_region"附加到数组中。

当前代码：

for index in catIndex:
        for i,sentence in enumerate(prediction):
            for j,binaryLabel in enumerate(sentence):
                if prediction[i][index]==1:
                    catResult.append(categories[index])
                else:
                    catResult.append("no_region")

Answer 1

制作二维数组：

HighLightNearbyDots()

带有In [54]: M=[[1,0,1,0,1,1],[0,0,1,0,0,1],[1,1,1,1,1,0],[1,1,0,0,1,1]] In [55]: M=np.array(M)的列索引，其中[0,1,2,3]为行索引：

ind

使用In [56]: ind=[0,4,5,2] In [57]: m=M[np.arange(len(ind)),ind] In [58]: m Out[58]: array([1, 0, 0, 0])映射标签：

ind

使用In [59]: lbl=np.array(list('ABCDEF'),dtype=object) In [60]: res=lbl[ind] In [61]: res Out[61]: array(['A', 'E', 'F', 'C'], dtype=object)确定是使用了该映射值还是某些where。使用None dtype可以轻松地用其他内容替换字符串标签，object或None等。

no_region

Answer 2

这些方面的某些内容应该有效地完成，但现在无法进行测试：

rows = len(prediction)
p = prediction[np.arange(rows), catIndex.flatten()]
catResult = np.empty(rows, 'S1').fill('n')
catResult[p] = categories[catIndex.flatten()][p]

检查2d数组的每一行中不同列索引的2d数组的值

2 个答案: