我有一个 NumPy 字符串数组：'n'、'y'，想将其转换为 0、1 的整数数组，如何转换？
imp = SimpleImputer(missing_values=np.nan, strategy='most_frequent')
X = imp.fit_transform(X)
X
array([['n', 'y', 'n', ..., 'y', 'n', 'y'],
['n', 'y', 'n', ..., 'y', 'n', 'y'],
['n', 'y', 'y', ..., 'y', 'n', 'n'],
...,
['n', 'y', 'n', ..., 'y', 'n', 'y'],
['n', 'n', 'n', ..., 'y', 'n', 'y'],
['n', 'y', 'n', ..., 'y', 'n', 'n']], dtype=object)
这是相当微不足道的
(X=='y').astype(int)
应该做的伎俩。它只是根据您的要求将您的数组转换为 True 或 False，然后 astype 将强加所需的数据类型。默认情况下，int 会给你 1 表示 True，0 表示 False。
您可以使用以下代码：
X[X=='y'] = 1
X[X=='n'] = 0
'y'这替换了with1和 of 'n'with的索引0。通常X=='y'返回一个布尔数组，其中包含Truewhere'y'和 False 其他地方等等。
您可以使用 np.where 替换“n”和“y”。请在此处查看文档，
https://docs.scipy.org/doc/numpy/reference/generated/numpy.where.html
另外，请尽量详细说明您的问题，以便找到正确的解决方案。
你可以使用np.vectorize这个答案解释：
In [1]: import numpy as np
In [2]: a = np.array([['n', 'y', 'n', 'n', 'y', 'n', 'y'],
...: ['n', 'y', 'n', 'n', 'y', 'n', 'y'],
...: ['n', 'y', 'y', 'y', 'y', 'n', 'n']])
...:
In [3]: my_map = {'n': 0, 'y': 1}
In [4]: np.vectorize(my_map.get)(a)
Out[4]:
array([[0, 1, 0, 0, 1, 0, 1],
[0, 1, 0, 0, 1, 0, 1],
[0, 1, 1, 1, 1, 0, 0]])