numpy确实覆盖了==操作符，因为我不能理解下面的python代码

Question

image_size = 28
num_labels = 10

def reformat(dataset, labels):
  dataset = dataset.reshape((-1, image_size * image_size)).astype(np.float32)
  # Map 0 to [1.0, 0.0, 0.0 ...], 1 to [0.0, 1.0, 0.0 ...]
  labels = (np.arange(num_labels) == labels[:,None]).astype(np.float32)
  return dataset, labels
train_dataset, train_labels = reformat(train_dataset, train_labels)
valid_dataset, valid_labels = reformat(valid_dataset, valid_labels)
test_dataset, test_labels = reformat(test_dataset, test_labels)
print('Training set', train_dataset.shape, train_labels.shape)
print('Validation set', valid_dataset.shape, valid_labels.shape)
print('Test set', test_dataset.shape, test_labels.shape)

这行是什么意思？

labels = (np.arange(num_labels) == labels[:,None]).astype(np.float32)

代码来自https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/udacity/2_fullyconnected.ipynb

Answer 1

在numpy中，当比较两个numpy数组时，==运算符的含义有所不同(就像在这一行中所做的那样)，所以是的，它在这种意义上是重载的。它按元素比较两个numpy数组，并返回一个大小与两个输入相同的布尔型numpy数组。对于>=、<等其他比较也是如此。

例如。

import numpy as np
print(np.array([5,8,2]) == np.array([5,3,2]))
# [True False True]
print((np.array([5,8,2]) == np.array([5,3,2])).astype(np.float32))
# [1. 0. 1.]

Answer 2

对于Numpy数组，==运算符是一个元素级操作，它返回一个布尔数组。astype函数将布尔值True转换为1.0，将False转换为0.0，如注释中所述。

Answer 3

https://docs.python.org/3/reference/expressions.html#value-comparisons描述了与==类似的值比较。虽然默认比较是identity x is y，但它首先检查参数是否实现了__eq__方法。数字、列表和字典实现了它们自己的版本。numpy也是如此。

numpy __eq__的独特之处在于，如果可能，它会逐个元素进行比较，并返回相同大小的布尔数组。

In [426]: [1,2,3]==[1,2,3]
Out[426]: True
In [427]: z1=np.array([1,2,3]); z2=np.array([1,2,3])
In [428]: z1==z2
Out[428]: array([ True,  True,  True], dtype=bool)
In [432]: z1=np.array([1,2,3]); z2=np.array([1,2,4])
In [433]: z1==z2
Out[433]: array([ True,  True, False], dtype=bool)
In [434]: (z1==z2).astype(float)     # change bool to float
Out[434]: array([ 1.,  1.,  0.])

一个常见的问题是“为什么我会得到这个ValueError？”

In [435]: if z1==z2: print('yes')
...
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

这是因为比较会产生这个数组，它有多个True/False值。

浮点数的比较也是一个常见的问题。查看isclose并allclose它，问题就出现了。