假设我有一个这样的数组:
import numpy as np
base_array = np.array([-13, -9, -11, -3, -3, -4, 2, 2,
2, 5, 7, 7, 8, 7, 12, 11])
假设我想知道:"有多少元素base_array大于4？" 这可以通过利用广播来完成:
np.sum(4 < base_array)
答案是这样的7.现在,假设不是比较单个值,而是想在数组上执行此操作.换句话说,每个值c的comparison_array,发现的许多元素如何base_array都大于c.如果我以天真的方式这样做,它显然会失败,因为它不知道如何正确地广播它:
comparison_array = np.arange(-13, 13)
comparison_result = np.sum(comparison_array < base_array)
输出:
Traceback (most recent call last):
File "<pyshell#87>", line 1, in <module>
np.sum(comparison_array < base_array)
ValueError: operands could not be broadcast together with shapes (26,) (16,)
如果我能以某种方式comparison_array将广播的每个元素都变成base_array …
在Python 3.7中，这些新的“数据类”容器基本上类似于可变的namedtuple。假设我制作了一个要代表一个人的数据类。我可以通过如下__post_init__()函数添加输入验证：
@dataclass
class Person:
name: str
age: float
def __post_init__(self):
if type(self.name) is not str:
raise TypeError("Field 'name' must be of type 'str'.")
self.age = float(self.age)
if self.age < 0:
raise ValueError("Field 'age' cannot be negative.")
这样可以通过以下方式提供良好的输入：
someone = Person(name="John Doe", age=30)
print(someone)
Person(name='John Doe', age=30.0)
尽管所有这些错误的输入都会引发错误：
someone = Person(name=["John Doe"], age=30)
someone = Person(name="John Doe", age="thirty")
someone = Person(name="John Doe", age=-30)
但是，由于数据类是可变的，所以我可以这样做：
someone = Person(name="John Doe", age=30)
someone.age = -30
print(someone)
Person(name='John Doe', age=-30)
从而绕过输入验证。
因此， …
这不是问题的重复，例如Row-wise iteration like apply with purrr
我了解如何使用pmap()对数据框进行逐行操作：
library(tidyverse)
df1 = tribble(~col_1, ~col_2, ~col_3,
1, 5, 12,
9, 3, 3,
6, 10, 7)
foo = function(col_1, col_2, col_3) {
mean(c(col_1, col_2, col_3))
}
df1 %>% pmap_dbl(foo)
foo这给出了应用于每一行的函数：
[1] 6.000000 5.000000 7.666667
但是，当我有多个列时，这会变得非常笨拙，因为我必须显式地将它们全部传递。如果我说，我的数据框中有 8 列df2，并且我想应用一个bar可能涉及其中每一列的函数，该怎么办？
set.seed(12345)
df2 = rnorm(n=24) %>% matrix(nrow=3) %>% as_tibble() %>%
setNames(c("col_1", "col_2", "col_3", "col_4", "col_5", "col_6", "col_7", "col_8"))
bar = function(col_1, col_2, col_3, col_4, col_5, col_6, col_7, col_8) {
# …[编辑：这个问题不是这个问题的重复；我问的是语言设计的问题，即为什么它首先是这样的。我对它的行为方式并不感到困惑，我对为什么首先决定这种行为感到困惑。]
在Python（以及其他一些语言，例如Lua）中，布尔运算符and和or并不像人们所期望的那样返回布尔值True，False而是：
x or y：如果x为假，则y，否则xx and y如果x为 false，则x，否则y很容易看出，在x和y是布尔值的特殊情况下，其行为符合预期。
我的问题是，以这种方式进行概括的实际理由是什么？我知道你可以用它来实现以下技巧：
foo = x or None
或者 DIY 三元运算符，例如：
foo = x and y or z
但我觉得这些都不足以为这种令人惊讶的行为提供充分的理由。每当我看到非布尔返回值被依赖于其实际值（而不是在 if 语句或其他东西中，无论哪种方式都无关紧要），我总是必须仔细检查我对它的理解，因为我总是忘记它是如何工作的，我需要再次查找它。我通常更喜欢以更详细的方式编写。是否有一个根本原因为什么它应该以这种方式工作，或者它真的只是为了技巧？