是否可以用Python中的有序数字替换2D数组的列中的字符串值？
例如说您有一个2D数组：
a = np.array([['A',0,'C'],['A',0.3,'B'],['D',1,'D']])
a
Out[57]:
array([['A', '0', 'C'],
['A', '0.3', 'B'],
['D', '1', 'D']], dtype='<U3')
如果我想将第一列中的字符串值'A'，'A'，'D'替换为数字0,0,1并将'C'，'B'，'D'替换为0,1 ，2是一种有效的方法。
了解以下信息可能会有所帮助
以下是解决此问题的示例方法，我很快想到了：
for j in range(a.shape[1]):
b = list(set(a[:,j]))
length = len(b)
for i in range(len(b)):
indices = np.where(a[:,j]==b[i])[0]
print(indices)
a[indices,j]=i
但是，这似乎是实现此目的的一种无效方法，并且也无法区分列中的浮点值或字符串值，并且默认情况下无法用数字字符串替换值：
a
Out[91]:
array([['1.0', '0.0', '2.0'],
['1.0', '1.0', '0.0'],
['0.0', '2.0', '1.0']], dtype='<U3')
在此问题上的任何帮助将不胜感激！
答案 0 :(得分：2)
您似乎正在尝试进行label encoding。
我可以想到两个选择：pandas.factorize和sklearn.preprocessing.LabelEncoder。
LabelEncoder from sklearn.preprocessing import LabelEncoder
b = np.zeros_like(a, np.int)
for column in range(a.shape[1]):
b[:, column] = LabelEncoder().fit_transform(a[:, column])
然后b将是：
array([[0, 0, 1],
[0, 1, 0],
[1, 2, 2]])
如果希望能够返回到原始值，则需要保存编码器。您可以这样操作：
from sklearn.preprocessing import LabelEncoder
encoders = {}
b = np.zeros_like(a, np.int)
for column in range(a.shape[1]):
encoders[column] = LabelEncoder()
b[:, column] = encoders[column].fit_transform(a[:, column])
现在encoders[0].classes_将具有：
array(['A', 'D'], dtype='<U3')
这意味着'A'映射到0，而'D'映射到1。
最后，如果您进行编码覆盖a而不是使用新的矩阵c，则将获得整数作为字符串（"1"而不是1），可以使用astype(int解决此问题：
encoders = {}
for column in range(a.shape[1]):
encoders[column] = LabelEncoder()
a[:, column] = encoders[column].fit_transform(a[:, column])
# At this point, a will have strings instead of ints because a had type str
# array([['0', '0', '1'],
# ['0', '1', '0'],
# ['1', '2', '2']], dtype='<U3')
a = a.astype(int)
# Now `a` is of type int
# array([[0, 0, 1],
# [0, 1, 0],
# [1, 2, 2]])
pd.factorize factorize返回编码列和编码映射，因此，如果您不关心它，可以避免保存它：
for column in range(a.shape[1]):
a[:, column], _ = pd.factorize(a[:, column]) # Drop mapping
a = a.astype(int) # same as above, it's of type str
# a is
# array([[0, 0, 1],
# [0, 1, 0],
# [1, 2, 2]])
如果要保留编码映射：
mappings = []
for column in range(a.shape[1]):
a[:, column], mapping = pd.factorize(a[:, column])
mappings.append(mapping)
a = a.astype(int)
现在mappings[0]将具有以下数据：
array(['A', 'D'], dtype=object)
与sklearn的LabelEncoder解决方案的encoders[0].classes_具有相同的语义。
答案 1 :(得分：1)
只需Numpy，您就可以高效地完成所需的工作。
基本上，您在输入的每一列中的值上进行迭代，同时在集合或字典中跟踪观察到的字母。这与您已经拥有的类似，但是效率略高（避免一件事调用np.where）。
这是一个charToIx函数，可以完成您想要的操作：
from collections import defaultdict
from string import ascii_letters
class Ix:
def __init__(self):
self._val = 0
def __call__(self):
val = self._val
self._val += 1
return val
def charToIx(arr, dtype=None, out=None):
if dtype is None:
dtype = arr.dtype
if out is None:
out = np.zeros(arr.shape, dtype=dtype)
for incol,outcol in zip(arr.T, out.T):
ix = Ix()
cixDict = defaultdict(lambda: ix())
for i,x in enumerate(incol):
if x in cixDict or x in ascii_letters:
outcol[i] = cixDict[x]
else:
outcol[i] = x
return out
在调用函数时指定输出数组的类型。所以输出：
a = np.array([['A',0,'C'],['A',0.3,'B'],['D',1,'D']])
print(charToIx(a, dtype=float))
将是一个float数组：
array([[0. , 0. , 0. ],
[0. , 0.3, 1. ],
[1. , 1. , 2. ]])