matrices - python graficos 2d

Una codificación en caliente usando numpy

Question

Si la entrada es cero, quiero hacer una matriz que se vea así:

[1,0,0,0,0,0,0,0,0,0]

y si la entrada es 5:

[0,0,0,0,0,1,0,0,0,0]

Por lo anterior escribí:

np.put(np.zeros(10),5,1)

Pero no funcionó.

¿Hay alguna forma en que, esto se puede implementar en una línea?

Answer 1

Algo como :

np.array([int(i == 5) for i in range(10)])

Debería hacer el truco. Pero supongo que existen otras soluciones usando numpy.

edit: la razón por la cual su fórmula no funciona: np.put no devuelve nada, solo modifica el elemento dado en el primer parámetro. La buena respuesta al usar np.put() es:

a = np.zeros(10)
np.put(a,5,1)

El problema es que no se puede hacer en una línea, ya que necesita definir la matriz antes de pasarla a np.put()

Answer 2

Echando un vistazo rápido al manual , verá que np.put no devuelve un valor. Si bien su técnica está bien, está accediendo a None lugar de a su matriz de resultados.

Para una matriz 1-D es mejor usar solo indexación directa, especialmente para un caso tan simple.

Aquí es cómo volver a escribir su código con una modificación mínima:

arr = np.zeros(10)
np.put(arr, 5, 1)

Aquí es cómo hacer la segunda línea con la indexación en lugar de put :

arr[5] = 1

Answer 3

El np.put muta su matriz arg en el lugar . Es convencional en Python para funciones / métodos que realizan una mutación in situ para devolver None ; np.put adhiere a esa convención. Así que si a es una matriz 1D y lo haces

a = np.put(a, 5, 1)

entonces a será reemplazado por None .

Su código es similar a eso, pero pasa una matriz sin nombre a np.put .

Una forma compacta y eficiente de hacer lo que quiere es con una función simple, por ejemplo:

import numpy as np

def one_hot(i):
    a = np.zeros(10, ''uint8'')
    a[i] = 1
    return a

a = one_hot(5) 
print(a)

salida

[0 0 0 0 0 1 0 0 0 0]

Answer 4

El problema aquí es que guardas tu matriz en ninguna parte. La función put funciona en su lugar en la matriz y no devuelve nada. Como nunca le asignas un nombre a tu matriz, no podrás resolverlo más adelante. Así que esto

one_pos = 5
x = np.zeros(10)
np.put(x, one_pos, 1)

Funcionaría, pero luego podrías usar la indexación:

one_pos = 5
x = np.zeros(10)
x[one_pos] = 1

En mi opinión, esa sería la forma correcta de hacer esto si no existe una razón especial para hacerlo como una sola línea. Esto también podría ser más fácil de leer y el código legible es un buen código.

Answer 5

No estoy seguro del rendimiento, pero el siguiente código funciona y está limpio.

x = np.array([0, 5])
x_onehot = np.identity(6)[x]

Answer 6

Por lo general, cuando desea obtener una codificación única para la clasificación en aprendizaje automático, tiene una serie de índices.

import numpy as np
nb_classes = 6
targets = np.array([[2, 3, 4, 0]]).reshape(-1)
one_hot_targets = np.eye(nb_classes)[targets]

El one_hot_targets es ahora

array([[[ 0.,  0.,  1.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  1.,  0.,  0.],
        [ 0.,  0.,  0.,  0.,  1.,  0.],
        [ 1.,  0.,  0.,  0.,  0.,  0.]]])

La .reshape(-1) está ahí para asegurarse de que tiene el formato de etiquetas correcto (también puede tener [[2], [3], [4], [0]] ). El -1 es un valor especial que significa "poner todas las cosas restantes en esta dimensión". Como solo hay uno, aplana la matriz.

Copiar-pegar solución

def get_one_hot(targets, nb_classes):
    res = np.eye(nb_classes)[np.array(targets).reshape(-1)]
    return res.reshape(list(targets.shape)+[nb_classes])

Paquete

Puedes usar mpu.ml.indices2one_hot . Es probado y simple de usar:

import mpu.ml
one_hot = mpu.ml.indices2one_hot([1, 3, 0], nb_classes=5)

Answer 7

Usted podría utilizar la comprensión de la lista:

[0 if i !=5 else 1 for i in range(10)]

se vuelve a

[0,0,0,0,0,1,0,0,0,0]

Answer 8

Utilice np.identify o np.eye . Puedes probar algo como esto con tu entrada i, y el tamaño de matriz s:

np.identify(s)[i:i+1]

Por ejemplo, print(np.identity(5)[0:1]) resultará:

[[ 1.  0.  0.  0.  0.  0.  0.  0.  0.  0.]]

Si está utilizando TensorFlow, puede usar tf.one_hot : https://www.tensorflow.org/api_docs/python/array_ops/slicing_and_joining#one_hot

Answer 9

import time
start_time = time.time()
z=[]
for l in [1,2,3,4,5,6,1,2,3,4,4,6,]:
    a= np.repeat(0,10)
    np.put(a,l,1)
    z.append(a)
print("--- %s seconds ---" % (time.time() - start_time))

#--- 0.00174784660339 seconds ---

import time
start_time = time.time()
z=[]
for l in [1,2,3,4,5,6,1,2,3,4,4,6,]:
    z.append(np.array([int(i == l) for i in range(10)]))
print("--- %s seconds ---" % (time.time() - start_time))

#--- 0.000400066375732 seconds ---