Python sklearn OneHotEncoder：如何跳过列表中不存在的值

Question

我想对这个列表进行一次热编码：

[0 0 1 1 1 2 2 2 4]

当我这样做时，one-hot 编码器将我的 4 转换为 3。也就是说，我得到了这个：

(0, 0) 1.0
(1, 0) 1.0
(2, 0) 1.0
(3, 1) 1.0
(4, 1) 1.0
(5, 1) 1.0
(6, 2) 1.0
(7, 2) 1.0
(8, 2) 1.0
(9, 3) 1.0

我想要这个（注意最后一行已更改）：

(0, 0) 1.0
(1, 0) 1.0
(2, 0) 1.0
(3, 1) 1.0
(4, 1) 1.0
(5, 1) 1.0
(6, 2) 1.0
(7, 2) 1.0
(8, 2) 1.0
(9, 4) 1.0

完成 MWE：

import numpy as np
from sklearn.preprocessing import OneHotEncoder
idvals = [0, 0, 0, 1, 1, 1, 2, 2, 2, 4]
hot = OneHotEncoder()
h1 = hot.fit_transform(np.asarray(idvals).reshape(10, 1))
print(np.asarray(h1))

使用 Python 2.7.14 |Anaconda 自定义（64 位）| （默认，2017 年 12 月 7 日，17:05:42）

我怎样才能让最后一行是 (9, 4) 而不是 (9, 3)？

Answer 1

您可以生成感兴趣的 ndarray，将 vals 与一个直到 max 值的范围进行比较，并使用 broadcasting 从结果中获取矩阵：

vals = np.asarray(idvals)
u = np.unique(vals)
vals_b = vals[:,None]
a = (np.arange(max(u)+1) == vals_b).view('i1')

---

print(a)

array([[1, 0, 0, 0, 0],
       [1, 0, 0, 0, 0],
       [1, 0, 0, 0, 0],
       [0, 1, 0, 0, 0],
       [0, 1, 0, 0, 0],
       [0, 1, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 0, 0, 1]], dtype=int8)

如果我们从数组中构建一个稀疏矩阵，我们确实会得到指定的结果：

from scipy import sparse

print(sparse.csr_matrix(a))

(0, 0)  1
(1, 0)  1
(2, 0)  1
(3, 1)  1
(4, 1)  1
(5, 1)  1
(6, 2)  1
(7, 2)  1
(8, 2)  1
(9, 4)  1