Te damos la bienvenida a nuestra página web, en este lugar encontrarás la solucíon que estabas buscando.
Solución:
es especifico para numpy módulo, utilizado en la mayoría de los módulos de ciencia de datos.
ans[i,:] = y_poly
esto es asignar un vector a una porción de numpy 2D array (asignación de rebanadas). Ejemplo autónomo:
>>> import numpy
>>> a = numpy.array([[0,0,0],[1,1,1]])
>>> a[0,:] = [3,4,5]
>>> a
array([[3, 4, 5],
[1, 1, 1]])
También hay una asignación de sectores en python base, usando solo una dimensión (a[:] = [1,2,3])
Supongo que también estás usando numpy manipular datos (como matriz)?
si se basa en numpy, ans[i,:] significa elegir el ith ‘fila de ans con todas sus ‘columnas’. Tenga en cuenta que cuando se trata de matrices numpy, deberíamos (casi) siempre usar [i, j] en lugar de [i][j]. Esto podría ser contrario a la intuición si usó Python o Java para manipular la matriz antes.
creo que en este caso [] significa el operador de indexación para un objeto de clase que se puede usar definiendo el obtiene el objeto método
class A:
def __getitem__(self, key):
pass
key puede ser literalmente cualquier cosa. En tu caso “[1,:]” key es una tupla que contiene “1” y un segmento (Ninguno, Ninguno, Ninguno). tal key puede ser útil si su clase representa datos multidimensionales a los que desea acceder a través de [] operador. Una respuesta sugerida por otros, esto podría ser un problema. array:
Aquí hay un ejemplo rápido de cómo podría funcionar una indexación multidimensional de este tipo:
class A:
values = [[1,2,3,4], [4,5,6,7]]
def __getitem__(self, key):
i, j = key
if isinstance(i, int):
i = slice(i, i + 1)
if isinstance(j, int):
j = slice(j, j + 1)
for row in self.values[i]:
print(row[j])
>>>a = A()
>>>a[:,2:4]
[3, 4]
[6, 7]
>>>a[1,1]
[5]
>>>a[:, 2]
[3]
[6]
Aquí tienes las reseñas y puntuaciones
Si te ha resultado de provecho este post, agradeceríamos que lo compartas con el resto juniors de esta forma nos ayudas a difundir esta información.