Tengo un conjunto de datos de matriz numpy con forma (100,10). Cada fila es una codificación one-hot. Quiero transferirlo a una matriz nd con forma (100), de modo que transfirí cada fila de vector a un número entero que denota el índice del índice distinto de cero. ¿Hay una forma rápida de hacer esto usando numpy o tensorflow?
Puede usar numpy.argmax o tf.argmax . Ejemplo:
import numpy as np a = np.array([[0,1,0,0],[1,0,0,0],[0,0,0,1]]) print('np.argmax(a, axis=1): {0}'.format(np.argmax(a, axis=1)))producción:
np.argmax(a, axis=1): [1 0 3] También puede consultar sklearn.preprocessing.LabelBinarizer.inverse_transform .
Como señaló Franck Dernoncourt, dado que una codificación activa solo tiene un 1 y el resto son ceros, puede usar argmax para este ejemplo en particular. En general, si desea encontrar un valor en una matriz numpy, probablemente querrá consultar numpy.where . Además, esta pregunta de intercambio de pila:
¿Existe una función NumPy para devolver el primer índice de algo en una matriz?
Dado que un vector one-hot es un vector con todos 0 y un solo 1, puede hacer algo como esto:
>>> import numpy as np >>> a = np.array([[0,1,0,0],[1,0,0,0],[0,0,0,1]]) >>> [np.where(r==1)[0][0] for r in a] [1, 0, 3] Esto solo crea una lista del índice que es 1 para cada fila. La indexación [0][0] es solo para deshacerse de la estructura (una tupla con una matriz) devuelta por np.where que es más de lo que solicitó.
Para cualquier fila en particular, solo desea indexar en a. Por ejemplo, en la fila cero, el 1 se encuentra en el índice 1.
>>> np.where(a[0]==1)[0][0] 1Simplemente use np.argmax(x, axis=1)
Ejemplo:
import numpy as np array = np.array([[0, 1, 0, 0], [0, 0, 0, 1]]) print(np.argmax(array, axis=1)) > [1 3]