1

есть матрица построенная по такому принципу

import numpy as np

a1=['DD2', 'DD1', 'SB1', 'VT3', 'VT1', 'SNP1', 'C6', 'R1', 'R2', 'C5', 'R3', 'C4', 'R4', 'C2', 'C8', 'R7']

a2=['N162848 ', 'N162003 ', '114 ', '107 ', 'N162820 ', 'N163444 ']

a3={'N162848 ': ['DD2', 'DD2'], 'N162003 ': ['DD1', 'DD1'], '114 ': ['DD2', 'DD1', 'SB1', 'VT3', 'VT1', 'SNP1', 'C6', 'R1', 'R2', 'SNP1'],
    '107 ': ['DD2', 'DD1', 'C6', 'C5', 'SNP1'],
    'N162820 ': ['R3', 'DD2', 'DD1', 'R1', 'C4', 'R4', 'C2'], 'N163444 ': ['DD2', 'C8', 'R7']}

mat=np.zeros((len(a1),len(a2)))

print(mat)

и есть словарь составленный из этих списков, вопрос такой: можно ли как то заполнить матрицу 1 и 0 при условии в значении ключа присутствует такой то элемент то на соответствующей этому элементу и ключу позиции матрицы ставится 1 иначе 0, или может я вообще зря решил всё это пробовать делать через словарь?

8
  • Вы пытаетесь реализовать "one hot encoding"? 24 окт 2017 в 9:33
  • @MaxU через словарь я показал принадлежность элементов к ключам, матрица должна выглядеть так: значения осей должны быть значениями первых двух массивов и после по словарю должно проверяться условие к примеру в 1 ключе(N162848) есть значение DD2 и это значит что в матрице на позиции [0,0] должна поставиться единица, а к примеру в ключе(N163444) есть 3 элемента, значит в матрице на позициях [5,0], [5, 14], [5, 15] должны стоять тоже единицы, вот только можно ли так сделать или нет я пока не нашёл
    – ren
    24 окт 2017 в 10:29
  • У вас исходные данные именно в таком виде - в виде словаря заданы или это вы их уже преобразовали? Спрашиваю потому, что есть подозрение, что построить это по исходным данным будет проще... 24 окт 2017 в 11:29
  • @MaxU исходные данные вообще в текстовом файле который я считал и разбил то что в нем на массивы
    – ren
    24 окт 2017 в 11:34
  • я не понимаю по какому принципу вы собрали словарь a3 из a1 и a2 - можете пояснить? Будет гораздо проще если вы приведете небольшой (3-5 записей) пример исходных данных (как в текстовом файле) и то что вы хотите получить на выходе... 24 окт 2017 в 13:16

1 ответ 1

1

Это классическая задача (one hot encoding) преобразования данных для "скармливания" их алгоритмам предсказаний и/или машинного обучения.

Исходный файл:

N162848 DD2('3) DD2('5)
N162003 DD1('5) DD1('3)
114 DD2('14) DD1('14) SB1('2) VT3('2) VT1('2) SNP1('1) C6('2) R1('2), R2('2) SNP1('7)
107 DD2('7) DD1('7) C6('1) C5('1) SNP1('6)
N162820 R3('1) DD2('6), DD1('3) R1('2) C4('2), R4('6) C2('4)
N163444 DD2('9) C8('2) R7('2)

Решение с использованием Pandas:

import pandas as pd

fn = r'C:\Temp\735046.txt'    
df = pd.read_csv(fn, sep='~', names=['line'])
# parse 'line' column into index and the rest (data)
df[['idx','data']] = df['line'].str.split(n=1, expand=True)
# get rid of the `line` column
df = df.drop('line',1)
# clean data
df['data'] = df['data'].str.replace('(?:\([^\)]*\)|,)','')

Получился следующий DataFrame:

In [299]: df
Out[299]:
       idx                                    data
0  N162848                                 DD2 DD2
1  N162003                                 DD1 DD1
2      114  DD2 DD1 SB1 VT3 VT1 SNP1 C6 R1 R2 SNP1
3      107                      DD2 DD1 C6 C5 SNP1
4  N162820                  R3 DD2 DD1 R1 C4 R4 C2
5  N163444                               DD2 C8 R7

Теперь можно воспользоваться get_dummies():

In [300]: new = df.set_index('idx')['data'].str.get_dummies(' ')

In [301]: new
Out[301]:
         C2  C4  C5  C6  C8  DD1  DD2  R1  R2  R3  R4  R7  SB1  SNP1  VT1  VT3
idx
N162848   0   0   0   0   0    0    1   0   0   0   0   0    0     0    0    0
N162003   0   0   0   0   0    1    0   0   0   0   0   0    0     0    0    0
114       0   0   0   1   0    1    1   1   1   0   0   0    1     1    1    1
107       0   0   1   1   0    1    1   0   0   0   0   0    0     1    0    0
N162820   1   1   0   0   0    1    1   1   0   1   1   0    0     0    0    0
N163444   0   0   0   0   1    0    1   0   0   0   0   1    0     0    0    0
2
  • Спасибо за помощь!
    – ren
    24 окт 2017 в 15:16
  • @ren, пожалуйста :) 24 окт 2017 в 15:17

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.