Question

我正在尝试Google Crash Course学习TensorFlow和机器学习。我无法理解他们的coding examples中的其中一行。

def my_input_fn(features, targets, batch_size=1, shuffle=True, num_epochs=None):
"""Trains a linear regression model of one feature.

Args:
  features: pandas DataFrame of features
  targets: pandas DataFrame of targets
  batch_size: Size of batches to be passed to the model
  shuffle: True or False. Whether to shuffle the data.
  num_epochs: Number of epochs for which data should be repeated. None = repeat indefinitely
Returns:
  Tuple of (features, labels) for next data batch
"""

# Convert pandas data into a dict of np arrays.
features = {key:np.array(value) for key,value in dict(features).items()}

我需要帮助来了解最后一行代码。

features = {key:np.array(value) for key,value in dict(features).items()}

I've researched dictionaries，目的是让我自己理解它，但是我仍然要掌握很多东西。我试图以一种我能理解的方式编写同一行代码：

np_dict_array = dict(features).items()

for key,value in np_dict_array:
    features += np_dict_array[key]

我认为我没有正确重写代码。具体来说，我需要帮助来了解这行代码的作用：

key:np.array(value)

如果任何人都可以解释该代码行的功能，或者（奖励积分）以新手友好的方式重写它，我将不胜感激！

Answer 1

features = {key：np.array（value）for key，dict（features）.items（）}中的值

它是dictionary comprehension。它将dict(features)中的所有值转换为Numpy数组。

键：np.array（值）

这是将键值对分配给字典的方式。

Answer 2

这是一种“字典理解”-以列表理解为模型，但改为制作新字典。

features = {key:np.array(value) for key,value in dict(features).items()}

从内而外取物：

dict(features)    # make a dictionary from the `features` argument
    .items()      # make a list of (key,value) tuples
for key,value     # iterate on those tuples
np.array(value)   # make a numpy array from the value
key:...           # make a new entry in the new dictionary

总而言之，它会根据features创建一个字典，并确保每个项目的value是一个numpy数组。

fdict = dict(features)
adict = dict()   # empty dictionary
for key,value in fdict.items():
    adict[key] = np.array(value)

Answer 3

备用语法：

features = {}
for key, value in dict(features).items():
    features[key] = np.array(value)

理解很普遍，因为它们将这种常见的模式减少到了一行。但是，有时随着复杂性的增加，尝试去做太多事情是很诱人的。

需要帮助来了解这一行代码（字典，键，熊猫，numpy）

3 个答案: