列表理解，For-Loop提供不同的结果

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代码给出不同的结果？

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]

第二位：

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

引用所有相同的片段，但将它们存储到：

iris['target_names'][i]

这将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和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}

如同：

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

等效回路

要构建与理解（在1中）相同的循环，您将需要追加到类似以下的list ：

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

如同：

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