文本处理之标签值labels与原样本数据的对应

谁践踏了优雅 2022-11-25 00:39 174阅读 0赞

### 声明：原博客很精彩，故转载。欢迎大家访问原博主 [普通攻击往后拉][Link 1]主页 ###

--------------------

## 标签值labels随样本data一起改变顺序，并保持对应关系 ##

### 1 问题描述 ###

很多时候在处理数据时，样本数据与标签值是放在两个数据结构中存储的。当样本数据顺序发生变化时，我们需要保证其对应的标签顺序也同时发生变化。

### 2 解决方法 ###

思想很简单，由于样本数据的变化是未知的，想要标签数据随着样本数据的变化而变化，最简单的方法就是将标签和样本融合在一起。  
例如，在python中，我们可以这样做：

import numpy as np
    data = [[1,2,3,1],[2,1,2,3],[1,4,6,7],[6,7,3,2]]
    labels = [1, 1, 0, 1]
    completeData = np.c_[data, np.array(labels).T]
    print(completeData)
    np.random.shuffle(completeData)
    print(completeData)

把label放在data的最后一位，即可满足问题的需求。

--------------------

**拓展：** np.c\_和np.r\_的区别

**1. np.c\_是矩阵按行“相加”**

a = np.array([[1, 2, 3], [7, 8, 9]])
    b = np.array([[4, 5, 6], [1, 2, 3]])
    print(np.c_[a, b])

输出结果：

[[1 2 3 4 5 6]
    [7 8 9 1 2 3]]

**2. np.r\_是矩阵按列“相加”**

a = np.array([[1, 2, 3], [7, 8, 9]])
    b = np.array([[4, 5, 6], [1, 2, 3]])
    print(np.r_[a, b])

输出结果：

[[1 2 3]
    [7 8 9]
    [4 5 6]
    [1 2 3]]

## scikitlearn中聚类结果的标签值与原样本数据的对应 ##

### 1 问题来源 ###

在使用sklearn中的聚类算法过程中，得到的一般为聚类结果的标签值。例如，\[1,1,0,1,0,1,0,1,0,1,2,-1,-1,2,3,3,1,-1,-1\]这样的标签值，如何将聚类结果的\_labels值与原样本对应并打印输出，是亟待解决的问题。

### 2 源码实现 ###

labels\_to\_original函数的功能是，将forclusterlist中的样本集按照labels中的标签值重新排序，得到按照类簇排列好的输出结果

# labels为聚类结果的标签值
    # forclusterlist为聚类所使用的样本集
    # 函数的功能是将forclusterlist中的样本集按照labels中的标签值重新排序，得到按照类簇排列好的输出结果
    def labels_to_original(labels, forclusterlist):
        assert len(labels) == len(forclusterlist)
        maxlabel = max(labels)
        numberlabel = [i for i in range(0, maxlabel + 1, 1)]
        numberlabel.append(-1)
        result = [[] for i in range(len(numberlabel))]
        for i in range(len(labels)):
            index = numberlabel.index(labels[i])
            result[index].append(forclusterlist[i])
        return result

### 3 使用实例 ###

聚类的样本集：forclusterlist = \[“类0”,“类1”,“类2”,“噪声”,“类1”,“类2”,“类1”,“类2”,“类3”,“类1”,“类2”,“类1”,“噪声”,“类2”,“类2”,“噪声”\]  
聚类的标签值：labels = \[0,1,2,-1,1,2,1,2,3,1,2,1,-1,2,2,-1\]  
使用上述函数运行：

forclusterlist = ["类0","类1","类2","噪声","类1","类2","类1","类2","类3","类1","类2","类1","噪声","类2","类2","噪声"]
    labels = [0,1,2,-1,1,2,1,2,3,1,2,1,-1,2,2,-1]
    result = labels_to_original(labels, forclusterlist)
    print(result)

结果：

[['类0'], ['类1', '类1', '类1', '类1', '类1'], ['类2', '类2', '类2', '类2', '类2', '类2'], ['类3'], ['噪声', '噪声', '噪声']]

[Link 1]: https://blog.csdn.net/weixin_43483381