Python 什么是；[（）]”；当调用numpy数组时是什么意思？_Python_Numpy

Python 什么是；[（）]”；当调用numpy数组时是什么意思？

python numpy

Python 什么是；[（）]”；当调用numpy数组时是什么意思？,python,numpy,Python,Numpy,我刚刚遇到了这段代码： x = np.load(lc_path, allow_pickle=True)[()] 我以前从未见过这种模式：[（）]。它做什么？为什么这个语法正确所以我猜a是一个dict由于某种原因被保存它的人包装在一个数组中它是一种索引0d数组的方法（唯一的方法）： In [475]: x=np.array(21) In [476]:

我刚刚遇到了这段代码：

x = np.load(lc_path, allow_pickle=True)[()]

我以前从未见过这种模式：

[（）]

。它做什么？为什么这个语法正确

所以我猜

是一个

dict

由于某种原因被保存它的人包装在一个数组中

它是一种索引0d数组的方法（唯一的方法）：

In [475]: x=np.array(21)                                                                       
In [476]: x                                                                                    
Out[476]: array(21)
In [477]: x.shape                                                                              
Out[477]: ()
In [478]: x[()]                                                                                
Out[478]: 21

实际上，它将元素从数组中拉出<代码>项（）是另一种方式：

In [479]: x.item()                                                                             
Out[479]: 21
In [480]: x.ndim                                                                               
Out[480]: 0

在

最有可能的是

np.save

被赋予了一个非数组；并包装在0d对象数据类型数组中以保存它。这是一种恢复该对象的方法

In [481]: np.save('test.npy', {'a':1})                                                         
In [482]: x = np.load('test.npy', allow_pickle=True)                                           
In [483]: x                                                                                    
Out[483]: array({'a': 1}, dtype=object)
In [484]: x.ndim                                                                               
Out[484]: 0
In [485]: x[()]                                                                                
Out[485]: {'a': 1}

通常，当我们索引一个AND数组时，例如

x[1,2]

我们实际上是在做

x[（1,2）]

，也就是说，使用一个对应于维数的元组。如果

是0d，则唯一有效的元组是空元组，

（）

它是索引0d数组的唯一方法：

In [475]: x=np.array(21)                                                                       
In [476]: x                                                                                    
Out[476]: array(21)
In [477]: x.shape                                                                              
Out[477]: ()
In [478]: x[()]                                                                                
Out[478]: 21

实际上，它将元素从数组中拉出<代码>项（）是另一种方式：

In [479]: x.item()                                                                             
Out[479]: 21
In [480]: x.ndim                                                                               
Out[480]: 0

在

最有可能的是

np.save

被赋予了一个非数组；并包装在0d对象数据类型数组中以保存它。这是一种恢复该对象的方法

In [481]: np.save('test.npy', {'a':1})                                                         
In [482]: x = np.load('test.npy', allow_pickle=True)                                           
In [483]: x                                                                                    
Out[483]: array({'a': 1}, dtype=object)
In [484]: x.ndim                                                                               
Out[484]: 0
In [485]: x[()]                                                                                
Out[485]: {'a': 1}

通常，当我们索引一个AND数组时，例如

x[1,2]

我们实际上是在做

x[（1,2）]

，也就是说，使用一个对应于维数的元组。如果

为0d，则唯一有效的元组是一个空元组，

（）

，它使用索引为0的元组索引数组。对于大多数数组，这只生成整个数组的视图，但对于0维数组，它将数组的单个元素提取为标量

在本例中，似乎有人做出了一个奇怪的选择，将非NumPy对象转储到带有

NumPy.save

的数组中，从而导致NumPy保存了一个0维数组

object

dtype，该数组包含原始对象。使用

allow_pickle=True

和空元组索引从0维数组中提取对象

他们可能应该选择除

numpy.save

以外的其他内容来保存此对象。

这是用0个索引的元组对数组进行索引。对于大多数数组，这只生成整个数组的视图，但对于0维数组，它将数组的单个元素提取为标量