python中x y 1_Python的X[y==1, 0]

最近研究逻辑回归，Iris花的经典示例，代码就不全粘贴了，具体代码参看“Iris花逻辑回归与实现”

1 plt.plot(X[y==0, 0], X[y==0,1], "bs")2 plt.plot(X[y==1, 0], X[y==1, 1], "g^")

X[y==0, 0]中的y==0是个什么东东，为什么可以占据X的第一个位置？

首先我们看一下X是个什么？

1 from sklearn importdatasets2 iris =datasets.load_iris()3

4 X = iris["data"][:, (2, 3)] #petal length, petal width

5 y = (iris["target"] == 2).astype(np.int)6 print(X)

Output:

[[1.4 0.2]

[1.4 0.2]

...

[5.1 1.8]]

X是一个数组，数组的元素是一个二元组。在解释X[y==0, 0]之前，首先要明白X[:,:]左面:代表的是行范围，右边“：”代表的是列范围，如果是冒号则代表全部，否则就像代码中第四行那样，指定一个范围；那么无论是“：”，还是指定一个范围(类似于(2,3))，其实本质都是会被翻译成一个true/false的一维一元数组，每个元素都是代表数组对应位置的元素是否要出现。

比如，y==0，print之后其实是[True True False …]，那么X[y==0, 0],就X的前三个元素而言，分别代表返回(包含)，返回(包含)，不返回(不包含)；与之类似对于“iris[“data”][:, (2, 3)]”这个写法，左边的那个”：”代表的行是[True，True, … ,True]，全是true；

那么X[y==0, 0]中，第二个0代表什么意思呢？y==1解决了行中那些返回(那些为true的返回)，右边的那个数字代表就是返回那一列，0，代表返回的是第一列，就是上面那个1,4,1.4…5.1；与之类似对于“iris[“data”][:, (2, 3)]”这个写法，代表列是要返回第三列和第四列。

这里看到在python里面行列的处理模式是不一样的，行的取舍是通过一个True/ False数组来实现的，列的取舍确实通过指定了那一列；这个其实从矩阵的角度能够更好的理解。

Python的X[y==1, 0]