问题描述
当我对数据集的字符串类型的label进行编码时,要使用set()
函数来提取出所有类别的标签。
这样做的结果是,我发现每次画出来的图,每次样本点的颜色都不一样。而颜色代表label,即每次编码得到的label都不一样。而这在统计数量的时候会出现麻烦。
比如下面是两次编码的结果:
{'Neural_Networks', 'Reinforcement_Learning', 'Genetic_Algorithms', 'Rule_Learning', 'Probabilistic_Methods', 'Theory', 'Case_Based'}
{'Theory', 'Case_Based', 'Neural_Networks', 'Genetic_Algorithms', 'Reinforcement_Learning', 'Rule_Learning', 'Probabilistic_Methods'}
而label的映射都是0,1,2,……
,即每次的标签编码的结果都是随机(不同)的。
原因分析
set()操作对象的元素为字符串,则结果随机排序。
比如下面的demo所示:
list1 = ['a', 'c', 'b', 'e', 'd', 'a', 'e']
labels = set(list1)
print(labels)
# {'e', 'b', 'a', 'c', 'd'}
解决方式
使用sorted()
函数对set()
函数的返回值进行排序。
需要注意的是,sorted的返回值不再是set
类型,而是list
类型。
demo如下:
list1 = ['a', 'c', 'b', 'e', 'd', 'a', 'e']
labels = set(list1)
print(labels)
# {'e', 'b', 'a', 'c', 'd'}
labels = sorted(labels)
print(labels)
# ['a', 'b', 'c', 'd', 'e']