【机器学习】快速贴标签和找标签对应的数据

手动反爬虫：原博地址

 知识梳理不易，请尊重劳动成果，文章仅发布在CSDN网站上，在其他网站看到该博文均属于未经作者授权的恶意爬取信息

如若转载，请标明出处，谢谢！

前言需求

在进行机器学习的过程中，模型创建之前，需要进行标签的处理，比如将文本数据转化为数值，而在最后的预测时候，又想检验一下预测的标签结果是否对应的文本数据一致，因此就有了快速贴标签和找标签对应数据的要求。

一、贴标签

这里就使用10个文本数据进行举例

ls = ["汽车", "财经", "科技", "健康", "体育", "教育","文化","军事","娱乐","时尚"]

贴标签的过程就相当于是让列表中的数据一一对应上数值，那么使用python自带的enumerate函数就可以实现，但是输出的结果却是反的，也就是需要将键值对的顺序调换一下，因此贴标签只要解决字典中键值对顺序的替换就可以了

print({v:k for k,v in dict(enumerate(ls)).items()})

输出的结果为：（贴标签的要求就完成了）

{'汽车': 0, '财经': 1, '科技': 2, '健康': 3, '体育': 4, '教育': 5, '文化': 6, '军事': 7, '娱乐': 8, '时尚': 9}

二、找标签对应的数据

在最后的预测部分，想知道输出的结果对应原来的文本数据，只需要遍历字典进行满足条件的结果输出即可

label_mapping = {v:k for k,v in dict(enumerate(ls)).items()}
print({'{}:{}'.format(key,value) for key,value in filter(lambda x:x[1] == 7, label_mapping.items())})

输出结果为：（这里的代码只需要修改x[1]后面等于的值即可，就可以完成目标要求，进行结果输出）

{'军事:7'}

总结

所有的代码就是简单地四行

ls = ["汽车", "财经", "科技", "健康", "体育", "教育","文化","军事","娱乐","时尚"]  #文本数据
print({v:k for k,v in dict(enumerate(ls)).items()})  #贴标签


label_mapping = {v:k for k,v in dict(enumerate(ls)).items()}  #贴标签后进行赋值
print({'{}:{}'.format(key,value) for key,value in filter(lambda x: x[1] == 7, label_mapping.items())})  #查找文本数据