Question

我刚开始使用python，但有以下两行我不理解。

x = np.array(range(1,n+1))
Nx = np.array([(x < x_i).sum() for x_i in x]) / float(n)

更具体地说，我不明白

np.array([(x < x_i).sum() for x_i in x])

是吗？

Answer 1

这在python中称为list comprehension。线

Nx = np.array([(x < x_i).sum() for x_i in x]) / float(n)

本质上是

的简写

new_list = []
for x_i in x:
    new_elem = (x < x_i).sum()
    new_list.append(new_elem)

Nx = np.array(new_list) / float(n)

我认为for循环使理解列表理解功能变得相当简单。使用调试器来逐步检查代码，如果您在理解循环时遇到困难，请查看每一行的作用。

现在让我们打开每个零件的包装。

使用numpy数组，可以使用常规比较运算符执行逐元素比较。在每次迭代中，我们都有一个数组x和一个x_i（一个标量）是数组的第i个元素。

(x < x_i)对x的每个元素执行逐元素比较，并根据比较结果返回一个新数组，其中每个元素为True或False操作。因此，从本质上讲，我们有一个new_array的布尔值，因此第p个元素new_array[p] = x[p] < x_i。
.sum()计算该new_array中所有元素的总和。由于True的值为1，而False的值为0，因此.sum()返回True中new_array个值的数量。换句话说，它返回“ x中小于x_i的元素数”
现在，这些值将通过列表理解放入列表中。因此new_list[i]将是数组x中少于x[i]的元素的数量。
最后，将其转换为一个numpy数组，并将其每个元素除以float(n)，即x中元素的数量。

因此，Nx是一个数组，使得i的第Nx个元素是x的元素少于i的百分比x的第th个元素。

Answer 2

只需在终端机中运行每一块，看看会发生什么。

首先，创建x数组

n = 5 # I added this such that n is defined
x = np.array(range(1,n+1))

这将导致array([1, 2, 3, 4, 5])数组。但是请注意，您应该改用np.arange(1, n+1)。

现在让我们看第二行。 np.array的参数为[(x < x_i).sum() for x_i in x]。这是列表理解。创建列表是一种不错的语法。我们可以像对“ x_i列表中的每个元素x读入(x < x_i).sum()来理解它。但是(x < x_i).sum()是什么？我们知道x_i是一个元素，而x是数组[1, 2, 3, 4, 5]。当您将NumPy数组与这样的元素进行比较时，您会得到一个包含“ True”和“ False”的布尔数组，然后sum()将对元素求和（基本计算“ True”的数量），然后将列表理解的结果转换为另一个数组，然后将其元素除以n。

Answer 3

为了便于理解，让我们分成较小的块

np.array([(x < x_i).sum() for x_i in x])

1。第一部分

for x_i in x

表示数组x中的每个元素

第二部分

x < x_i

返回boolena值

例如：

x = np.array(range(1,9+1))

它创建一个数组[1,2,3,4,5,6,7,8,9]

那我们假设xi为9，

(x < 9)

返回布尔值数组

array([ True,  True,  True,  True,  True,  True,  True,  True, False])

第三部分

(x < x_i).sum()

求和所有真值，所以当xi = 9时，求和为8

第四部分

np.array([(x < x_i).sum() for x_i in x])

它将所有值存储在Nx数组中

Answer 4

让我们第一个崩溃np.array([(x < x_i).sum() for x_i in x])。
(x < x_i)：是布尔表达式，表示其结果为false（或0）或true（或1）。
(x < x_i).sum()：将为您提供列表的总和。
示例：假设x =array[1,2,3] \

第一种情况是x_i = 1，所以（x array([false,false,false])，因为x_i = 0 > 0是 false ，x_i = 0> 1是< strong> false ，最后一个x_i = 0 > 2是 false ，
和sum(false,false,false) = sum(0,0,0) = 0 \
第二种情况是x_i = 2，因此（x array([ True, False, False])，因此sum(true,false,false) = sum(1,0,0) = 1 \
第三种情况下，您会发现sum（true，true，false）= sum（1,1,0）= 2 \

因此，Nx = array([0,1,2])

Python需要一些初学者语法的帮助

4 个答案: