如何通过Python NumPy实现特征工程中的独热编码(One-Hot Encoding)?

冬强酱_3935

冬强酱_3935

2026-07-10

451人浏览

原创

NumPy虽无内置OneHotEncoder,但可用np.eye结合类别映射实现:先用np.unique(..., return_inverse=True)获取0-based整数编码,再通过np.eye(n_classes)[labels]生成one-hot矩阵;需校验标签合法性、统一训练/测试集类别映射,并避免布尔掩码等低效方式。

如何通过python numpy实现特征工程中的独热编码(one-hot encoding)?

NumPy 本身不提供 OneHotEncoder 这类高级封装,但用原生数组操作完全可以手动实现——关键在于理解类别到索引的映射和布尔/整型广播逻辑。

用 np.eye 快速生成基础 one-hot 矩阵

这是最直观的方式:把每个类别值当作 np.eye 的行索引。前提是类别必须是连续非负整数(如 0, 1, 2),且已知最大类别数。

  • 若原始标签是字符串或稀疏整数(比如 [2, 5, 7]),得先做 np.unique + np.searchsorted 映射成 0-based 序号
  • np.eye(n_classes)[labels] 会自动触发高级索引,输出 shape 为 (len(labels), n_classes)
  • 注意:如果 labels 含负数或超界值,会报 IndexError 或静默取模——务必提前校验

处理字符串类别时,必须先构建 label_to_idx 映射

NumPy 没有内置字典式编码器,所以得手动建立从原始值到整数的双向映射。这步漏掉会导致后续全错。

Python 环境工具基础版
Python 环境工具基础版

管理 Python 项目环境,支持虚拟环境创建、依赖安装与环境诊断

下载
  • 用 np.unique(labels, return_inverse=True) 一次性拿到去重数组和逆索引数组,比手写 for 循环快且安全
  • 返回的 inverse 就是等价于 label-encoded 的整数数组,可直接喂给 np.eye
  • 若训练集和测试集类别不一致(比如测试出现新类别),np.unique 在各自数据上运行会导致维度不匹配——必须用训练集的 unique_labels 统一映射

避免 np.array([...]).T 这类低效构造方式

有人习惯对每个类别用布尔掩码生成列再拼接,例如 np.column_stack([(labels == c) for c in classes])。这在类别多、样本少时内存爆炸。

  • np.eye 是 O(n_classes²) 预分配,但只执行一次;而布尔列表推导是 O(n_classes × n_samples) 时间+空间
  • 若内存受限,可用 np.zeros 初始化后用 np.arange + 高级索引赋值:oh[range(len(labels)), labels] = 1
  • 注意:这种赋值要求 labels 是一维整数数组,且不能含 NaN——np.nan 会转成 float64,导致索引失败

真正麻烦的从来不是“怎么写一行代码”,而是类别对齐、缺失值处理、训练/推理一致性这些边界。NumPy 实现轻量,但也意味着所有校验和容错都得自己补全。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1931

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5484

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33497

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3927

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3947

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3063

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程