列表理解，For-Loop给出不同的结果

Question

from sklearn.datasets import load_iris
data = load_iris()
iris = pd.DataFrame(data.data,columns = data.feature_names)

1. iris['target_names'] = [data.target_names[i] for i in data.target]

2. for i in data.target: iris['target_names'][i] = data.target_names[i]

为什么第一位代码与第二位相比给出了不同的结果？

Answer 1

第一行：

iris['target_names'] = [data.target_names[i] for i in data.target]

生成元素data.target_names[i]

的列表

第二位：

for i in data.target:
    iris['target_names'][i]  = data.target_names[i]

引用所有相同的部分，但将它们存储到：

iris['target_names'][i]

这会产生与理解相同的唯一方法是，如果iris['target_names']是相同长度的列表data.target，data.target包含等效的range(len(data.target))。

等效理解

要构建与循环相同的理解（在2中），iris['target_names']可能需要是dict。

iris['target_names'] = {i: data.target_names[i] for i in data.target}

同样如下：

for i in data.target: 
    iris['target_names'][i] = data.target_names[i]

等效循环

要构建一个与理解相同的循环（在1中），您需要附加到list之类的：

iris['target_names'] = []
for i in data.target:
    iris['target_names'].append(data.target_names[i])

同样：

iris['target_names'] = [data.target_names[i] for i in data.target]