我有一个2D numpy数组,如下所示:
a=np.array([["Science", "Blue", 3],
["Math", "Red", 4],
["Math", "Red", 5],
["Science", "Red", 3]])
我需要按列将其转换为数值,如下所示(期望的输出):
out=np.array([[0, 0, 0],
[1, 1, 1],
[1, 1, 2],
[0, 1, 0]])
但是,为了实现下游可解释性,我还需要一个输出以从数字值追溯到原始值。我在想这样的事情:
trace_back_dict = {0: {0: "Science", 1: "Math"},
1: {0: "Blue", 1: "Red"},
2: {0: 3, 1: 4, 2: 5}}
其中外键是原始数组的列索引,而内字典则给出了数字字符值的映射。
是否有一种简便的方法,最好是sklearn
风格的东西,我可以先做fit_transform
,然后再做transform
(用于训练和测试装置)?< / p>
我正在查看sklearn
的{{1}},基本上我需要在每一列上应用不同的列。关于如何有效执行此操作的任何建议?
谢谢!
杰克
答案 0 :(得分:5)
您可以使用OrdinalEncoder:
In [25]: a = [['Science', 'Blue', 3], ['Math', 'Red', 4], ['Math', 'Red', 5], ['Science', 'Red', 3]]
In [26]: enc = sklearn.preprocessing.OrdinalEncoder()
In [27]: enc.fit(a)
Out[27]: OrdinalEncoder(categories='auto', dtype=<class 'numpy.float64'>)
In [28]: enc.transform(a)
Out[28]:
array([[1., 0., 0.],
[0., 1., 1.],
[0., 1., 2.],
[1., 1., 0.]])
In [29]: enc.categories_
Out[29]:
[array(['Math', 'Science'], dtype=object),
array(['Blue', 'Red'], dtype=object),
array([3, 4, 5], dtype=object)]
In [30]: trace_back_dict = {i: dict(enumerate(v)) for i, v in enumerate(enc.categories_)}
In [31]: trace_back_dict
Out[31]: {0: {0: 'Math', 1: 'Science'}, 1: {0: 'Blue', 1: 'Red'}, 2: {0: 3, 1: 4, 2: 5}}