获取从特征到一个热编码维度的映射答案

【问题标题】：Get mappings from feature to one hot encoding dimension获取从特征到一个热编码维度的映射
【发布时间】：2017-09-05 16:29:15
【问题描述】：

所以，目前我有一堆字符串分类特征，我正在将它们转换为一个热编码，如下所示

from sklearn.preprocessing import LabelEncoder, OneHotEncoder

X_str = np.array([['a', 'dog', 'red'], ['b', 'cat', 'green']])
# transform to integer
X_int = LabelEncoder().fit_transform(X_str.ravel()).reshape(*X_str.shape)
# transform to binary
X_bin = OneHotEncoder().fit_transform(X_int).toarray()

print(X_bin)
# [[ 1.  0.  0.  1.  0.  1.]
#  [ 0.  1.  1.  0.  1.  0.]]

这行得通。

但是，我正在尝试找出从特征到激活维度的映射

因此，例如，'a' 映射为 0（因为特征向量中的第 0 个索引设置为 1）

'b' 映射为 1（因为特征向量的第一个索引设置为 1）

'cat' 映射到 2（因为特征向量的第二个索引设置为 1）

所以，我想在字典中获取所有这些映射。实现这些目标的好方法是什么。

【问题讨论】：

标签： python numpy scikit-learn

【解决方案1】：

使用LabelEncoder().classes_。这将是它的排列顺序。而且很可能是按字母顺序排列的。

这意味着您需要保存LabelEncoder() 对象。像这样使用它：

le = LabelEncoder()
X_int = le.fit_transform(X_str.ravel()).reshape(*X_str.shape)

print(le.classes_)
#Out:- ['a' 'b' 'cat' 'dog' 'green' 'red']

然后您可以使用：

labels = le.classes_

mappings = {}
for index, label in zip(range(len(labels)), labels):
    mappings[label]=index

print(mappings)
#Out: {'a': 0, 'b': 1, 'dog': 3, 'cat': 2, 'green': 4, 'red': 5}

【讨论】：

谢谢.. 我有后续.. 如果我的功能类似于 X_str = np.array([[1, 'a', 'dog', 'red'], [2, 'b', 'dog', 'green']]) 现在 le 只会转换字符串 vars 但onehotencodenc 也会映射第一列..我如何获得他们的映射？
@Fraz 我不明白。如果您用给定的数据替换 X_str ，那么 labelEncoder 也会对它们进行编码。检查输出：- {'a': 2, 'b': 3, 'dog': 4, '1': 0, '2': 1, 'green': 5, 'red': 6}
@Fraz 看到数据中存在的 1 和 2 被编码为 '1' 和 '2' 。这是你想要的吗？

【解决方案2】：

您可以使用 LabelEncoder 方法 'classes_' 来完成这项工作。像这样的：

#fit, instead of transform and store this
X_enc = LabelEncoder().fit(X_str.ravel())
enc_dct = {}
for idx,items in enumerate(list(X_enc.classes_)):
  enc_dct[idx] = items
print (enc_dct)
#{0: 'a', 1: 'b', 2: 'cat', 3: 'dog', 4: 'green', 5: 'red'}

【讨论】：