python中的board[x,y]`和board[x][y]`有区别吗?

在python中, [] 是 __getitem__ ,很容易重写。

而且, 1, 2 在python中会给我们一个元组。是的,我们不需要 () 创建非空元组。

所以,努比可以很容易地做到这一点,甚至我也可以。

In [1]: 1, 1
Out[1]: (1, 1)

In [2]: type(_)
Out[2]: tuple

In [3]: a = {(1, 1): 3}

In [4]: a[1, 1]
Out[4]: 3

In [5]: a[(1, 1)]
Out[5]: 3

In [6]: class NumpyArray(list):
   ...:     def __getitem__(self, index):
   ...:         if isinstance(index, tuple) and len(index) == 2:
   ...:             return self[index[0]][index[1]]
   ...:         return super().__getitem__(index)
   ...:

In [7]: b = NumpyArray([[0, 1], [2, 3]])

In [8]: b[1, 1]
Out[8]: 3

您可以使用下面的代码在自己的ipython上进行尝试。

class NumpyArray(list):
    def __getitem__(self, index):
        if isinstance(index, tuple) and len(index) == 2:
            return self[index[0]][index[1]]
        return super().__getitem__(index)

b = NumpyArray([[0, 1], [2, 3]])
b[1, 1]

因为他们 board 或者是 numpy.ndarray 或是包裹它的某种类型,例如。 pandas.DataFrame

你应该做的 type(board) . 或者显示创建和初始化的行 板 .

另外,当你说“当我运行程序时,一切都按预期进行”时,你应该以交互模式运行( python -i ,然后可以运行以下查询 类型(板)

这个 board[x, y] 语法可能应用于numpy数组,该数组接受此语法以实现行/列索引的切片操作。看看这些例子:

>>> x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])  # creates 2D array
>>> x
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

>>> x[1]  # get second row (remember, index starts at 0)
array([4, 5, 6])

>>> x[:, 2]  # get third column
array([3, 6, 9])

>>> x[1, 2]  # get element on second row, third column
6

>>> x[1][2]  # same as before but with non-broadcasting syntax (i.e. works for lists as you are used to)
6

>>> x[1, 0:2]  # get first two elements of second row  
array([4, 5])

>>> x[0:2, 0:2]  # subsets the original array, "extracting" values from the first two columns/rows only
array([[1, 2],
       [4, 5]])

当然,写作 my_list[x, y] 引发错误,因为 x, y 实际上是元组 (x, y) ,常规列表不能将元组用作索引值。

它实际上在基本python中不起作用(如您的示例)。如果运行代码,python将引发异常:“typeerror:列表索引必须是整数或切片,而不是元组”。

这个 1, 1 传递给 board 被解释为一个元组,并且由于board应该用整数或切片索引,所以这不起作用。

但是,如果 板 如果是某种类似数组的数据结构,并且开发人员已经实现了对元组索引的支持,那么这是可行的。这方面的一个例子是 numpy .

这是因为它们使用的对象(在本例中是numpy数组)重载了 __getitem__ 方法。请看这个玩具示例:

class MyArray:
  def __init__(self, arr):
    self.arr = arr
  def __getitem__(self, t):
    return self.arr[t[0]][t[1]]

myarr = MyArray([[1,1,1], [1,2,2], [1,2,2]])
print(myarr[0,1])

他们能做到这一点,因为他们使用的是numpy,这不会造成错误。

>>> a = np.array([[1,1,1], [1,2,2], [1,2,2]])
>>> a[1,1]
2
>>> # equivalent to
>>> a = [[1,1,1], [1,2,2], [1,2,2]]
>>> a[1][1]
2
>>>