对 Python 列表语法感到困惑

Posted 2023-03-12

【中文标题】对 Python 列表语法感到困惑

【英文标题】：confused about Python list syntax

【发布时间】：2016-12-27 20:02:29

【问题描述】：

这是代码和相关文档（http://scikit-learn.org/stable/modules/generated/sklearn.datasets.load_iris.html#sklearn.datasets.load_iris），我对这行感到困惑，data.target[[10, 25, 50]]，困惑为什么要使用双精度[[]]，如果有人能澄清一下，那就太好了。

from sklearn.datasets import load_iris
data = load_iris()
print data.target[[10, 25, 50]]
print list(data.target_names)

提前致谢， 林

【问题讨论】：

@TigerhawkT3 看起来[10, 25, 50] 正在从data.target 数组中编入索引

@TigerhawkT3，谢谢并投票。我试过print type(data.target)，返回的是<type 'numpy.ndarray'>。困惑你的意思是包含单个元素的列表，你能帮忙详细说明一下吗？谢谢。

@cricket_007，谢谢并投票，但为什么要使用双 [[]]？

你对 NumPy 数组感到困惑，而不是 Python 列表。

谢谢@cricket_007，投赞成票。那么[[10, 25, 50]]中的double [[]]是什么意思

【参考方案1】：

您的困惑是可以理解的：这无论如何都不是“标准”Python。

data.target 在这种情况下是来自 numpy 的 ndarray：

In [1]: from sklearn.datasets import load_iris
   ...: data = load_iris()
   ...: print data.target[[10, 25, 50]]
   ...: print list(data.target_names)
[0 0 1]
['setosa', 'versicolor', 'virginica']

In [2]: print type(data.target)
<type 'numpy.ndarray'>

numpy 的 ndarray 实现允许您通过提供所需项目的索引列表来创建新数组。例如：

In [13]: data.target
Out[13]:
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
       2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2])

In [14]: data.target[1]
Out[14]: 0

In [15]: data.target[[1,2,3]]
Out[15]: array([0, 0, 0])

In [16]: print type(data.target[[1,2,3]])
<type 'numpy.ndarray'>

这很可能是由overriding __getitem__ 完成的。

有关详细信息，请参阅 NumPy 数组文档中的 Indexing：

【讨论】：

感谢 Christian，为全面的回复投票，所以这意味着从 numpy 数组 data.target 中检索 10, 25, 50-th 元素并在 Python 中获得新列表？如果是这样，type(data.target[[10, 25, 50]]) 应该是一个正式的 Python 列表，对吗？

@LinMa 看答案的最后一行代码，还是numpy.ndarray

谢谢@cricket_007，投赞成票。现在一切都清楚了。 :)

您可以在很多方面将numpy.ndarray 视为一个列表（对其进行迭代、切片等），但如果您要这样做，我强烈建议您阅读@987654324 @ 首先，因为有一些非标准行为可能会让您感到困惑。

感谢 Christian，投票并将您的回复标记为答案。

【参考方案2】：

这是使用“整数索引”语法（与通常的下标相反）从 numpy 数组 A 中检索元素，即整数列表 B 将用于在 @987654323 中的特定索引处查找元素@。您的输出是一个 numpy 数组，其形状与您用作“输入”的列表 B 相同，并且输出元素的值是从这些整数索引处的 A 的值中获得的，例如：

>>> import numpy
>>> a = numpy.array([0,1,4,9,16,25,36,49,64,81])
>>> a[[1,4,4,1,5,6,6,5]]
  array([ 1, 16, 16,  1, 25, 36, 36, 25])

整数索引可以应用于多个维度，例如：

>>> b = numpy.array([[0,1,4,9,16],[25,36,49,64,81]]) # 2D array
>>> b[[0,1,0,1,1,0],[0,1,4,3,2,3]]   # row and column integer indices
  array([ 0, 36, 16, 64, 49,  9])

或者，同样的例子，但输入列表有 2 个维度，影响 输出 形状：

>>> b[[[0,1,0],[1,1,0]],[[0,1,4],[3,2,3]]] # "row" and "column" 2D integer arrays
  array([[ 0, 36, 16],
         [64, 49,  9]])

另请注意，您也可以使用 numpy 数组而不是列表来执行“整数索引”，例如

>>> a[numpy.array([0,3,2,4,1])]
  array([ 0,  9,  4, 16,  1])