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：

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')