python之在 Numpy Python 中向量化此函数

我有一个包含 60,000 个数字的数组，从 0 到 9:

In [1]: trainY 
Out[1]:  
array([[5], 
       [0], 
       [4], 
       ...,  
       [5], 
       [6], 
       [8]], dtype=int8) 

我有一个函数可以将 trainY 中的每个元素转换为 10 元素向量，如下所示:

0 -> [1,0,0,0,0,0,0,0,0,0] 
1 -> [0,1,0,0,0,0,0,0,0,0] 
2 -> [0,0,1,0,0,0,0,0,0,0] 
3 -> [0,0,0,1,0,0,0,0,0,0] 
... 
9 -> [0,0,0,0,0,0,0,0,0,1] 

函数:

def transform_y(y): 
    new_y = np.zeros(10) 
    new_y[y] = 1 
    return new_y 

我的代码一次只能处理 1 个元素。一次性转换我的 trainY 数组的最佳方法是什么(for 循环除外)？我应该使用 map 吗？有人还可以告诉我如何重写函数以使其矢量化吗？

谢谢。

请您参考如下方法:

您可以大大提高代码速度，创建一个沿对角线排列的二维数组，然后根据输入数组提取正确的行:

a = array([[5], 
           [0], 
           [4], 
           ...,  
           [5], 
           [6], 
           [8]], dtype=int8) 
 
new_y = np.eye(a.max()+1)[a.ravel()] 

一个更快的解决方案是用零创建输出数组，然后根据 a 中的索引填充它:

new_y = np.zeros((a.shape[0], a.max()+1)) 
new_y[np.indices(a.ravel().shape)[0], a.ravel()] = 1.