时间序列分类24：numpy unique() 方法实现将分类标签转化为数字编码（非one-hot）

---

【时间序列预测/分类】 全系列45篇由浅入深的博文汇总：传送门

---

在处理原始数据过程中，可以将标签列按照顺序对应的方式，保存为单个文件，方便处理。

使用 numpy unique() 方法，实现按找原序列的顺序将真实标签转换为数字编码。代码如下：

def trans_dummy_label(data):
    '''
    函数功能：
    实现将真实标签转换为0,1,2,3；便于绘图显示；
    ------------------------------------------
    参数说明：
    data：DataFrame格式数据
    '''
    y = pd.DataFrame(data[data.columns[-1]].values, columns=['label'])
    map_dict = {} # 键值对对应关系字典
    '''
    np.unique()方法说明：
    返回列表数据中的唯一元素列表；return_index=True参数保留元素顺序，按照第一出现的索引大小排序；
    np.sort(index)方法实现索引。
    '''
    _, index = np.unique(y['label'].values, return_index=True) # 返回标签唯一索引列表
    for key, value in enumerate(y['label'][np.sort(index)], start=0): # data.columns[-1]标签列
        map_dict[value] = key
    
    y['label'] = y.label.map(map_dict) # 映射
    
    return y, map_dict

调用：

trainy, map_dict_train = trans_dummy_label(trainX)

查看结果：

保存为txt文件：

trainy.to_csv('trainy_diffp.txt', index=False, header=False)

查看结果：

---

数据量比较大的时候，建议使用pandas中的unique()方法。

保存的映射字典，在预测的时候或者最终可视化输出结果的时候，可以使用pandas的map方法将数字标签映射为真实标签。