如何仅使用 numpy（而不是 sklearn LabelEncoder）创建标签编码器？答案

【问题标题】：How can I create a label encoder utilizing only numpy (and not sklearn LabelEncoder)?如何仅使用 numpy（而不是 sklearn LabelEncoder）创建标签编码器？
【发布时间】：2020-07-12 06:22:59
【问题描述】：

我正在尝试重新创建类似于 sklearn.preprocessing.LabelEncoder

但是我不想使用sklearn 或pandas。我只想使用numpy 和 Python 标准库。这是我想要实现的目标：

import numpy as np
input = np.array([['hi', 'there'],
                     ['scott', 'james'],
                     ['hi', 'scott'],
                     ['please', 'there']])

# Output would look like
np.ndarray([[0, 0],
            [1, 1],
            [0, 2],
            [2, 0]])

能够将其映射回来也很棒，因此结果将再次与输入完全相同。

如果这是在电子表格中，输入将如下所示：

【问题讨论】：

这是什么逻辑？为什么“那里”映射到 0？
你为什么要这样做？
@Simon - 我正在减少对 sklearn 的依赖
@DaniMesejo - 我在那里打错字了。现在应该很好了。逻辑是我“按列”这样做
标签的顺序是否重要，或者标签对值来说是唯一的？

标签： python pandas numpy scikit-learn

【解决方案1】：

这是一个简单的理解，使用来自np.unique 的return_inverse 结果

arr = np.array([['hi', 'there'], ['scott', 'james'],
                ['hi', 'scott'], ['please', 'there']])

np.column_stack([np.unique(arr[:, i], return_inverse=True)[1] for i in range(arr.shape[1])])

array([[0, 2],
       [2, 0],
       [0, 1],
       [1, 2]], dtype=int64)

或沿轴应用：

np.column_stack(np.apply_along_axis(np.unique, 0, arr, return_inverse=True)[1])

【讨论】：

这非常接近，但是，输出数组不太准确，因为它混合了列之间的唯一性。
@ScottStoltzman 抱歉，您是什么意思？您需要单独映射每列的值，还是需要映射每个值而不管它属于哪个唯一标识符？给定您预期的输出，这似乎是您想要的（每列单独的唯一映射），除非我遗漏了什么？这些数字只是不同，因为np.unique 排序，所以标签是按字母顺序排列的，而不是按出现次数。
是的，每列分开。当前的解决方案解决了整个数组，我希望它按列（轴 = 1 种事物）
@ScottStoltzman 不，它不是因为列表理解单独获取每一列。 AFAIK，np.unique 没有默认参数来作用于轴中的单个值。您可以找到 uniue 值，或每个轴的唯一事物（即在 2D 数组中唯一的行或唯一的列）。我会用np.apply_along_axis添加一个解决方案，但这并没有什么不同
你完全正确，第一个答案是正确的！很抱歉误读了。

【解决方案2】：

正在与@Scott Stoltzmann 交谈，并吐槽了一种扭转已接受答案的方法。

您可以在整个程序中随身携带原始的arr，也可以记录每一列的映射。如果你做后者，这里有一些简单的非性能代码：

l = []

for real_column, encoded_column in zip(np.column_stack(arr), np.column_stack(arr2)):    
    d = {}
    for real_element, encoded_element in zip(real_column, encoded_column):
        d[encoded_element] = real_element
    l.append(d)
print(l)

使用上述方法执行此操作：

[{0: 'hi', 2: 'scott', 1: 'please'}, {2: '那里', 0: 'james', 1: 'scott'}]

【讨论】：