我有如下charset。
charset =set([ '$', '^', '#', '(', ')', '-', '.', '/', '1', '2', '3', '4', '5', '6', '7', '=', 'Br',
'C', 'Cl', 'F', 'I', 'N', 'O', 'P', 'S', '[2H]', '[Br-]', '[C@@H]', '[C@@]', '[C@H]', '[C@]',
'[Cl-]', '[H]', '[I-]', '[N+]', '[N-]', '[N@+]', '[N@@+]', '[NH+]', '[NH2+]', '[NH3+]', '[N]',
'[Na+]', '[O-]', '[P+]', '[S+]', '[S-]', '[S@+]', '[S@@+]', '[SH]', '[Si]', '[n+]', '[n-]',
'[nH+]', '[nH]', '[o+]', '[se]', '\', 'c', 'n', 'o', 's', '!', 'E'])
在这个charset的基础上，我创建了如下的char_to_int。
char_to_int = dict((c,i) for i,c in enumerate(charset))
｛'[nH]'：0，'[2H]'；：1，'2'：2，'N'：3，'Cl'：4，'c'：5，'$'：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CCD_ 4。
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:"$"，7:'O'，8:'('，9:'6'，10:'s'，11:'[s@+]'，12:'[C@@H]'，13:'C'，14:'[nH+]'，15:'/'，16:'[nH+]]，17:'[Br-]'，18:'[Si]'，19:'4'，20:'[N@+]'，21:'[se]'，22:'P'，23:'[SH]'，24:'[N+]'，25:'[N]'，26:'^'，27:'5'，28:'7'，29:'N'，30:'！'，31:'\'，32:'[n-]'，33:'S'，34:'[NH3+]'，35:'#'，36:'I'，37:"[O-]'，38:"1'，39:"[NH2+]'，40:"[S@@+]'"，41:"Br"，42:'F'，43:'[Na+]'，44:'E'，45:'[S-]'，46:'.'，47:'('，48:'[C@]'，49:'='，50:'3'，51:'-'，52:'[C@H]'，53:'[Cl-]'，54:"[I-]'，55:"[H]'，56:"[P+]'，57:"[S+]'"，58:"o"，59:"[N@@+]'，60:"[N-]'，61:"[N+]'，62:"[o+]'"，63:"[C@@]'"｝
我有一个字符串，我想将其转换为基于char_to_int和int_to_char的一个热编码。
string = 'N[C@H]1C[C@@H](N2Cc3nn4cccnc4c3C2)CC[C@@H]1c1cc(F)c(F)cc1F'
有没有什么有效的方法可以使用自定义的char_to_int和int_to_char将string转换为一个热矢量？
from itertools import chain, repeat, islice
import re
string = 'N[C@H]1C[C@@H](N2Cc3nn4cccnc4c3C2)CC[C@@H]1c1cc(F)c(F)cc1F'
items_list=[ '$', '^', '#', '(', ')', '-', '.', '/', '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]
这里，x是一个热编码。
x=[3, 52, 38, 13, 12, 8, 3, 2, 13, 5, 50, 29, 29, 19, 5, 5, 5, 29, 5, 19, 5, 50, 13, 2, 47, 13, 13, 12, 38, 5, 38, 5, 5, 8, 42, 47, 5, 8, 42, 47, 5, 5, 38, 42]