[python + debug] set()操作对象的元素为字符串，则结果随机排序，使用sorted()函数以固定顺序

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']