问题描述
我有charset，如下。
charset =set([ '$','^','#','(',')','-','.','/','1','2','3','4','5','6','7','=','Br','C','Cl','F','I','N','O','P','S','[2H]','[Br-]','[C@@H]','[C@@]','[C@H]','[C@]','[Cl-]','[H]','[I-]','[N+]','[N-]','[N@+]','[N@@+]','[NH+]','[NH2+]','[NH3+]','[N]','[Na+]','[O-]','[P+]','[S+]','[S-]','[S@+]','[S@@+]','[SH]','[Si]','[n+]','[n-]','[nH+]','[nH]','[o+]','[se]','\\','c','n','o','s','!','E'])
在此charset的基础上，我如下创建char_to_int。
char_to_int = dict((c,i) for i,c in enumerate(charset))
{'[nH]'：0，'[2H]'：1，'2'：2，'N'：3，'Cl'：4，'c'：5，'$'：6， 'O'：7，'（（'：8，'6'：9，'s'：10，'[S @ +]'：11，'[C @@ H]'：12，'C'： 13，'[nH +]'：14，'/'：15，'[NH +]'：16，'[Br-]'：17，'[Si]'：18， '4'：19，'[N @ +]'：20，'[se]'：21，'P'：22，'[SH]'：23，'[N +]'： 24，'[N]'：25，'^'：26，'5'：27，'7'：28，'n'：29，'！'：30， '\'：31，'[n-]'：32，'S'：33，'[NH3 +]'：34，'＃'：35，'I'：36， '[O-]'：37，'1'：38，'[NH2 +]'：39，'[S @@ +]'：40，'Br'：41，'F'： 42，'[Na +]'：43，'E'：44，'[S-]'：45，'。'：46，'）'：47，'[C @]'： 48，'='：49，'3'：50，'-'：51，'[C @ H]'：52，'[Cl-]'：53，'[I-]'： 54，'[H]'：55，'[P +]'：56，'[S +]'：57，'o'：58，'[N @@ +]'：59， '[N-]'：60，'[n +]'：61，'[o +]'：62，'[C @@]'：63}
和int_to_char如下。
int_to_char = dict((i,c) for i,c in enumerate(charset))
{0：'[nH]'，1：'[2H]'，2：'2'，3：'N'，4：'Cl'，5：'c'，6：'$'， 7：'O'，8：'（'，9：'6'，10：'s'，11：'[S @ +]'，12：'[C @@ H]'，13： 'C'，14：'[nH +]'，15：'/'，16：'[NH +]'，17：'[Br-]'，18：'[Si]'， 19：'4'，20：'[N @ +]'，21：'[se]'，22：'P'，23：'[SH]'，24： '[N +]'，25：'[N]'，26：'^'，27：'5'，28：'7'，29：'n'，30：'！'， 31：'\'，32：'[n-]'，33：'S'，34：'[NH3 +]'，35：'＃'，36：'I'， 37：“ [O-]”，38：“ 1”，39：“ [NH2 +]”，40：“ [S @@ +]”，41：“ Br”，42： 'F'，43：'[Na +]'，44：'E'，45：'[S-]'，46：'。'，47：'）'，48： '[C @]'，49：'='，50：'3'，51：'-'，52：'[C @ H]'，53：'[Cl-]'，54： '[I-]'，55：'[H]'，56：'[P +]'，57：'[S +]'，58：'o'，59：'[N @@ +]'， 60：'[N-]'，61：'[n +]'，62：'[o +]'，63：'[C @@]'}
我有一个字符串，希望基于char_to_int和int_to_char转换为一种热编码。
string = 'N[C@H]1C[C@@H](N2Cc3nn4cccnc4c3C2)CC[C@@H]1c1cc(F)c(F)cc1F'
是否有任何有效的方法使用自定义的char_to_int和int_to_char将string转换为一个热向量？
解决方法
from itertools import chain,repeat,islice
import re
string = 'N[C@H]1C[C@@H](N2Cc3nn4cccnc4c3C2)CC[C@@H]1c1cc(F)c(F)cc1F'
items_list=[ '$','^','#','(',')','-','.','/','1','2','3','4','5','6','7','=','Br','C','Cl','F','I','N','O','P','S','[2H]','[Br-]','[C@@H]','[C@@]','[C@H]','[C@]','[Cl-]','[H]','[I-]','[N+]','[N-]','[N@+]','[N@@+]','[NH+]','[NH2+]','[NH3+]','[N]','[Na+]','[O-]','[P+]','[S+]','[S-]','[S@+]','[S@@+]','[SH]','[Si]','[n+]','[n-]','[nH+]','[nH]','[o+]','[se]','\\','c','n','o','s','!','E']
charset = set(items_list)
char_to_int = dict((c,i) for i,c in enumerate(charset))
pattern = '|'.join(re.escape(item) for item in items_list)
tokens = re.findall(pattern,string)
x=[char_to_int[k] for k in tokens]
在这里，x是一种热编码。
x=[3,52,38,13,12,8,3,2,5,50,29,19,47,42,42]