Python 使用numpy ndarray索引numpy ndarray
我正在做一个关于iris数据集的教程。在这个过程中,我发现了一段我无法理解的代码: 它由两个数据阵列组成:Python 使用numpy ndarray索引numpy ndarray,python,numpy,scikit-learn,labeling,Python,Numpy,Scikit Learn,Labeling,我正在做一个关于iris数据集的教程。在这个过程中,我发现了一段我无法理解的代码: 它由两个数据阵列组成: iris.target_names[clf.predict(test[features])] >>> array(['setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa'
iris.target_names[clf.predict(test[features])]
>>> array(['setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa',
'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa',
'setosa', 'setosa', 'versicolor', 'versicolor', 'versicolor', 'versicolor',
'versicolor', 'versicolor', (...), dtype='<U10')
iris.target_names
是一个带有目标变量标签的numpy数组:
iris.target_names
>>> array(['setosa', 'versicolor', 'virginica'], dtype='<U10')
下面的代码为我的预测创建了一个带标签的ndarray:
iris.target_names[clf.predict(test[features])]
>>> array(['setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa',
'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa', 'setosa',
'setosa', 'setosa', 'versicolor', 'versicolor', 'versicolor', 'versicolor',
'versicolor', 'versicolor', (...), dtype='<U10')
iris.target_名称[clf.predict(测试[功能])
>>>数组(['setosa','setosa','setosa','setosa','setosa','setosa','setosa',',
“setosa”、“setosa”、“setosa”、“setosa”、“setosa”、“setosa”、“setosa”,
“setosa”、“setosa”、“versicolor”、“versicolor”、“versicolor”、“versicolor”,
“versicolor”,“versicolor',(…),dtype=”如果我们忽略整个机器学习方面,并将其提取为一个简化示例:
In[6]:
# our classes
classes=np.array(['a','b','c'])
# generate some random labels
predict= np.random.randint(0,3,10)
predict
Out[6]: array([0, 2, 1, 0, 2, 0, 1, 2, 1, 0])
现在,如果我们将predict
数组作为classes
上的掩码传递,我们将0,1,2
转换到数组中的顺序位置:
In[7]
classes[predict]
Out[7]:
array(['a', 'c', 'b', 'a', 'c', 'a', 'b', 'c', 'b', 'a'],
dtype='<U1')
[7]中的
班级[预测]
出[7]:
数组(['a','c','b','a','c','a','b','c','b','a'],
dtype='您正在使用预测的类索引回原始标签,因此0,1,2
被转换到目标名称中的顺序位置
数组,给出'setosa','versicolor','virginica'
就像位置选择一样:-)
In[8]:
classes[[1,0,2]]
Out[8]:
array(['b', 'a', 'c'],
dtype='<U1')
In[9]:
classes[[0,0,0,0]]
Out[9]:
array(['a', 'a', 'a', 'a'],
dtype='<U1')