быстрое кодирование и существующие данные

У меня есть массив numpy (N, M), где некоторые столбцы должны быть закодированы в горячем режиме. Пожалуйста, помогите сделать горячую кодировку с использованием numpy и / или tenorflow.

Пример:

[
[ 0.993, 0, 0.88 ]
[ 0.234, 1, 1.00 ]
[ 0.235, 2, 1.01 ]
.....
]

Второй столбец здесь (со значениями 3 и 2) должен быть одним горячим кодированием, я знаю, что есть только 3 различных значения (0, 1, 2).

Результирующий массив должен выглядеть так:

[
[ 0.993, 0.88, 0, 0, 0 ]
[ 0.234, 1.00, 0, 1, 0 ]
[ 0.235, 1.01, 1, 0, 0 ]
.....
]

Таким образом, я мог бы передать этот массив в тензорный поток. Обратите внимание, что 2-й столбец был удален, и его горячая версия была добавлена ​​в конец каждого подмассива.

Любая помощь будет высоко ценится. Заранее спасибо.

Обновление:

Вот что у меня есть прямо сейчас: Ну, не совсем ... 1. У меня более 3 столбцов в массиве ... но я все еще хочу сделать это только со 2-м .. 2. Первый массив структурирован, т.е. форма (N,)

Вот что у меня есть:

def one_hot(value, max_value):
    value = int(value)
    a = np.zeros(max_value, 'uint8')
    if value != 0:
        a[value] = 1
    return a

# data is structured array with the shape of (N,)
# it has strings, ints, floats inside..
# was get by np.genfromtxt(dtype=None)

unique_values = dict()
unique_values['categorical1'] = 1
unique_values['categorical2'] = 2
for row in data:
   row[col] = unique_values[row[col]]

codes = np.zeros((data.shape[0], len(unique_values)))

idx = 0
for row in data:
   codes[idx] = one_hot(row[col], len(unique_values))  # could be optimised by not creating new array every time
   idx += 1

data = np.c_[data[:, [range(0, col), range(col + 1, 32)]], codes[data[:, col].astype(int)]]

Также пытаюсь объединить через:

print data.shape # shape (5000,)
print codes.shape # shape (5000,3)
data = np.concatenate((data, codes), axis=1)