python - numpy/ Pandas : How to convert a series of strings of zeros and ones into a matrix

Question

我有一个以这种格式到达的数据:

[
  (1, "000010101001010101011101010101110101", "aaa", ... ),
  (0, "111101010100101010101110101010111010", "bb", ... ),
  (0, "100010110100010101001010101011101010", "ccc", ... ),
  (1, "000010101001010101011101010101110101", "ddd", ... ),
  (1, "110100010101001010101011101010111101", "eeee", ... ),
  ...
]

在元组格式中，它看起来像这样:

(Y, X, other_info, ... )

归根结底，我需要使用 Y 和 X 训练分类器(例如 sklearn.linear_model.logistic.LogisticRegression)。

将 1 和 0 的字符串转换为类似 np.array 的东西的最直接方法是什么，以便我可以通过分类器运行它？似乎这里应该有一个简单的答案，但我一直想不出/谷歌一个。

一些注意事项:

• 我已经在使用 numpy/pandas/sklearn，所以这些库中的任何东西都可以使用。
• 对于我正在做的很多事情，将 other_info 列放在一个 DataFrame 中很方便
• 字符串很长(约 20,000 列)，但整个数据框不是很高(约 500 行)。

Answer 1

由于您主要询问的是将一串 1 和 0 转换为 numpy 数组的方法，因此我将提供如下解决方案:

d = '0101010000' * 2000 # create a 20,000 long string of 1s and 0s
d_array = np.fromstring(d, 'int8') - 48 # 48 is ascii 0. ascii 1 is 49

这比 @DSM's 更有利速度方面的解决方案:

In [21]: timeit numpy.fromstring(d, dtype='int8') - 48
10000 loops, best of 3: 35.8 us per loop

In [22]: timeit numpy.fromiter(d, dtype='int', count=20000)
100 loops, best of 3: 8.57 ms per loop