Skip to main content
 首页 » 编程设计

python之具有重复项的类的多标签编码

2024年11月24日10lexus

如何对包含重复项的列表列进行 n-hot 编码?

类似于 sklearn 中的 MultiLabelBinarizer,它计算重复类的实例数量而不是二值化。

示例输入:

x = pd.Series([['a', 'b', 'a'], ['b', 'c'], ['c','c']]) 

预期输出:

    a   b   c 
0   2   1   0 
1   0   1   1 
2   0   0   2 

请您参考如下方法:

我基于 MultiLabelBinarizer 编写了一个新类 MultiLabelCounter代码。

import itertools 
import numpy as np 
 
class MultiLabelCounter(): 
    def __init__(self, classes=None): 
        self.classes_ = classes 
 
    def fit(self,y): 
        self.classes_ = sorted(set(itertools.chain.from_iterable(y))) 
        self.mapping = dict(zip(self.classes_, 
                                         range(len(self.classes_)))) 
        return self 
 
    def transform(self,y): 
        yt = [] 
        for labels in y: 
            data = [0]*len(self.classes_) 
            for label in labels: 
                data[self.mapping[label]] +=1 
            yt.append(data) 
        return yt 
 
    def fit_transform(self,y): 
        return self.fit(y).transform(y) 
import pandas as pd 
x = pd.Series([['a', 'b', 'a'], ['b', 'c'], ['c','c']]) 
 
mlc = MultiLabelCounter() 
mlc.fit_transform(x) 
 
# [[2, 1, 0], [0, 1, 1], [0, 0, 2]]