如何将 numpy 字符串数组转换为 numpy 集合数组以使用 MultiLabelBinarizer？答案

【问题标题】：How to convert a numpy array of strings to a numpy array of sets to use MultiLabelBinarizer?如何将 numpy 字符串数组转换为 numpy 集合数组以使用 MultiLabelBinarizer？
【发布时间】：2018-08-15 16:08:43
【问题描述】：

我有一个这样的 numpy 数组：

l1 = (['United States', 'England', 'South Africa']).

有时它可能有 >1 个值：

l1 = ([['United States','South Korea'], 'England', 'South Africa'])

我想使用 MultiLabelBinarizer 对这些值进行编码。根据 scikit-learn 文档中 fit_transform 的文档。参数应该是

y : iterable of iterables 每个样本的一组标签（任何可排序和可散列的对象）。如果设置了 classes 参数，y 将不会被迭代。

如何将这个由列表和单个字符串组成的 numpy 数组转换为集合？

我试过这个：

value = [set(v) for v in l1]
list_2sets = np.asarray(value)

但它似乎无法正常工作。

问题是我没有考虑（所有国家）的价值观。如果我有这个，我尝试了以下方法：

 mlb.fit_transform(headings.split(', ') for headings in l1)

作为标题考虑的所有值的列表：

['England','Spain', ...]

但到目前为止我还没有这些值，所以我想尝试在没有'headings'的情况下应用 MLB

【问题讨论】：

标签： python arrays numpy encoding scikit-learn

【解决方案1】：

尝试如下预处理字符串数组：

In [50]: l1 = [[x] if isinstance(x, (str)) else x for x in l1]

In [51]: l1
Out[51]: [['United States', 'South Korea'], ['England'], ['South Africa']]

对于 Python 2.x：

In [50]: l1 = [[x] if isinstance(x, (str, unicode)) else x for x in l1]

In [51]: l1
Out[51]: [['United States', 'South Korea'], ['England'], ['South Africa']]

【讨论】：