Skip to main content
 首页 » 编程设计

python之如何有效地将整数映射到多维数组中的 URI

2024年12月31日9over140

我有一个看起来像这样的数组:

myarray = array([list(['string4', 'string2', 'string3']),list(['string1', 'string2', 'string4', 'string5']), list(['string1', 'string2', 'string4'])], dtype=object) 

如何将单个字符串编码为整数?我有一个大数据集。我将如何最有效地做到这一点?我想要这样的东西:

myarrayencoded = [[4,2,3],[1,2,4,5],[1,2,4]] 

注意:我无法对任何内容进行排序,因为整数的位置很重要。此外,每个子列表可能包含不同数量的字符串。

请您参考如下方法:

您可以通过 pd.factorize 使用 Pandas ,它在内部使用散列。

import pandas as pd 
import numpy as np 
 
myarray = np.array([list(['string4', 'string2', 'string3']), 
                    list(['string1', 'string2', 'string4', 'string5']), 
                    list(['string1', 'string2', 'string4'])], dtype=object) 
 
flattened = np.concatenate(myarray)  # flatten array of lists 
idx_split = np.array(list(map(len, myarray))).cumsum()[:-1]  # calculate split indices 
factored = pd.factorize(flattened, sort=True)[0] + 1  # factorize, sort, start from 1 
 
res = [i.tolist() for i in np.array_split(factored, idx_split)]  # return list of lists 
 
print(res) 
 
[[4, 2, 3], [1, 2, 4, 5], [1, 2, 4]]