bug9-TypeError: ‘generator‘ object is not subscriptable_typeerror: 'tqdm' object is not subscriptable-CSDN博客

本BLOG上原创文章未经本人许可，不得用于商业用途，转载请注明出处。

本文链接：https://blog.csdn.net/weixin_46649052/article/details/109211368

本文介绍了如何解决Python中遇到的'TypeError: 'generator' object is not subscriptable'错误。通过检查报错行的拼写和括号使用，以及确认涉及的变量（如label和x）定义是否正确，问题通常可以得到解决。添加括号是修正该错误的一种常见方法。

摘要由CSDN通过智能技术生成

一般在报错行处，查看是否有拼写错误，或者括号错误
或者报错行用到的数据定义是否有错误

例子

#!usr/bin/env python
# -*- coding:utf-8 _*-
"""
@author: liujie
@software: PyCharm
@file: natives.py
@time: 2020/10/21 17:18
"""
import time
import numpy as np
# 显示进度条
from tqdm import tqdm


def loaddata(filename):
    """
    加载数据集
    :param filename: 文件路径
    :return: 数据与标签
    """
    # 存放数据及标签
    dataArr = []
    labelArr = []
    # 读取文件
    fr = open(filename)
    # 遍历读取文件每一行
    for line in tqdm(fr.readlines()):
        # 获取当前行，并按','进行切割,返回列表
        curLine = line.strip().split(',')
        # 获取数据
        # 将数据进行了二值化处理，大于128的转换成1，小于的转换成0，方便后续计算
        dataArr.append(int(int(num) > 128) for num in curLine[1:])
        # 获取标签
        labelArr.append(int(curLine[0]))
    # 返回数据集与标签
    return dataArr, labelArr


def NaivesBayes(Py, Px_y, x):
    """
    通过贝叶斯进行概率估计
    :param Py: 先验概率分布
    :param Px_y: 条件概率分布
    :param x: 要估计的样本
    :return: 返回所有label的估计概率
    """

    # 设置特征数目
    featureNum = 784
    # 设置类别数目
    classNum = 10
    # 建立存放所有标记的概率的数组
    P = [0] * classNum

    # 对于每一个类别，单独估计其概率
    for i in range(classNum):
        # 初始化sum为0，sum为求和项。
        # 在训练过程中对概率进行了log处理，所以这里原先应当是连乘所有概率，最后比较哪个概率最大
        # 但是当使用log处理时，连乘变成了累加，所以使用sum
        sum