用字典替换NumPy数组中的值会给出不明确的结果，为什么呢？

Question

因此，我有一个数组，其中包含一些单词，我正在尝试执行一次热编码。

假设输入是AI DSA DSA AI ML ML AI DS DS AI C AI ML ML C

这是我的密码：

def apply_one_hot_encoding(X):
    dic = {}
    k = sorted(list(set(X)))
    for i in range(len(k)):
        arr = ['0' for i in range(len(k))]
        arr[i] = '1'
        dic[k[i]] = ''.join(arr)
    
    for i in range(len(X)):
        t = dic[X[i]]
        X[i] = t
         
    return X

if __name__ == "__main__":
    X = np.array(list(input().split()))
    
    one_hot_encoded_array = apply_one_hot_encoding(X)
    for i in one_hot_encoded_array:
        print(*i)

现在，我希望输出如下：

1 0 0 0 0 
0 0 0 1 0 
0 0 1 0 0 

但我得到的是：

1 0 0
0 0 1
1 0 0

如果我将t值附加到另一个列表并返回该列表，它将给出正确的结果。

为什么在直接替换的情况下，赋值被裁剪为仅3个字符？

Answer 1

这个问题是由Numpy数组的dtype (数据类型)引起的。

当您使用print(X.dtype)在上面的程序中检查numy数组的数据类型时，它将数据类型显示为<U3，它只能容纳numpy数组X中每个元素的三个字符。

由于输入数组包含五个类别，因此可以通过dtype将数组的<U5转换为X = np.array(list(input().split()), dtype='<U5')，该X = np.array(list(input().split()), dtype='<U5')可以为numpy数组X中的每个元素保留最多5个字符。

修正的代码是，

def apply_one_hot_encoding(X):
    dic = {}
    k = sorted(list(set(X)))
    for i in range(len(k)):
        arr = ['0' for i in range(len(k))]
        arr[i] = '1'
        dic[k[i]] = ''.join(arr)
    
    for i in range(len(X)):
        t = dic[X[i]]
        X[i] = t
         
    return X

if __name__ == "__main__":
    X = np.array(list(input().split()),dtype = '<U5')
    
    one_hot_encoded_array = apply_one_hot_encoding(X)
    for i in one_hot_encoded_array:
        print(*i)

当将值存储在单独的numpy数组中时，不需要上述方法，因为numpy会根据字符串的大小自动更改数据类型，