关于numpy ndarray索引及鸢尾花数据集预测编码转标签的技术疑问

嘿，我完全懂你在鸢尾花实践里遇到的困惑！让我一步步给你拆解清楚：

核心需求：把数字预测结果转成品种名称 #

你手里的两个ndarray刚好是完美配对的：

• iris.target_names是按顺序存储品种名称的一维数组，索引0对应'setosa'，1对应'versicolor'，2对应'virginica'
• clf.predict(test[features])是模型输出的数字编码数组，每个数字对应上述的索引

要把数字转成对应的名称，直接用预测数组作为索引去访问iris.target_names就行，代码超简单：

predicted_names = iris.target_names[clf.predict(test[features])]

举个小例子验证：如果你的预测结果是array([0, 0, 1, 2])，运行上面的代码后，predicted_names就会输出array(['setosa', 'setosa', 'versicolor', 'virginica'], dtype='<U10')，完全符合预期！

关于numpy ndarray索引的补充说明 #

这种用一个ndarray去索引另一个ndarray的方式叫整数数组索引，是numpy里非常实用的功能：

• 索引数组的形状可以和原数组不同，但每个元素必须是原数组的有效索引（不能超出原数组的范围，比如这里原数组长度是3，索引不能是3或负数，除非你用负数索引取倒数）
• 返回的结果数组会和索引数组的形状完全一致，每个位置的元素就是原数组对应索引的取值

再举个更通用的例子帮你理解：

import numpy as np

# 原数组：存储类别名称
categories = np.array(['cat', 'dog', 'bird'])
# 索引数组：存储类别编码
labels = np.array([1, 0, 2, 1, 1])
# 用索引数组获取对应名称
result = categories[labels]
print(result)  # 输出：array(['dog', 'cat', 'bird', 'dog', 'dog'], dtype='<U4')

这样是不是就清晰多啦？

内容的提问来源于stack exchange，提问作者ash bounty