numpy.array和numpy.array [：]之间的区别

Question

又是我... ：）

我试图找到这个问题的答案，但我仍然不够幸运。 就是这样

调用一个numpy数组（比如说“ iris”）和该数组中的整个数据组（例如通过使用iris [：]）有什么区别？

我之所以这样问，是因为我在运行第一个示例（如下）时遇到错误，而第二个示例运行良好。

这是代码：

在第一部分中，我加载了库并从Internet导入了数据集。

import statsmodels.api as sm
iris = sm.datasets.get_rdataset(dataname='iris',
                            package='datasets')['data']

如果我运行此代码，则会收到错误消息：

iris.columns.values = [iris.columns.values[x].lower() for x in range( len( iris.columns.values ) ) ]
print(iris.columns.values)

现在，如果我运行此代码，它将正常工作：

iris.columns.values[:] = [iris.columns.values[x].lower() for x in range( len( iris.columns.values ) ) ]
print(iris.columns.values)

最好的祝福，

Answer 1

区别在于，当您执行iris.columns.values = ...您尝试替换被保护的iris.columns中values属性的引用（请参阅pandas.core.frame.DataFrame pandas实现）以及执行该操作时iris.columns.values[:] = ...您访问np.ndarray的数据并将其替换为新值。 在第二个赋值语句中，您不会覆盖对numpy对象的引用。 [:]是一个slice对象，传递给numpy数组的__setitem__方法。

编辑 ：

此类属性的确切实现（有多个，这里是pd.Series实现）是：

    @property
    def values(self):
        """ return the array """
        return self.block.values

因此，您尝试覆盖由装饰器 @property后接getter函数构造的属性，并且该属性只能由getter而不是setter提供，因此无法替换。 请参阅关于buildins的Python文档-property（）

Answer 2

iris.columns.values = val

电话

type(iris.columns).__setattr__(iris.columns, 'values', val)

这正在运行pandas的代码，因为type(iris.columns)是pd.Series

---

iris.columns.values[:] = val

电话

type(iris.columns.value).__setitem__(iris.columns.value, slice(None), val)

这正在运行numpy的代码，因为type(iris.columns.value)是np.ndarray