class类中__getitem__的作用及其使用方法

我们在看别人写的代码时，在类中经常会看到__getitem__方法，这个方法的作用是，可以将类中的数据 像数组一样读出，以下进行代码演示：

在类中创建__getitem__方法，并使用数组形式读取类中的数据：

class Test():
    def __init__(self):
        self.a=[1,2,3,4,5]
    def __getitem__(self,idx):
        return(self.a[idx])
data=Test()
print(data)
print(data[0])

输出结果为：

<__main__.Test object at 0x000002BBB3256DF0>
1

在类中不创建__getitem__方法，并使用数组形式读取类中的数据：

class Test():
    def __init__(self):
        self.a=[1,2,3,4,5]
#     def __getitem__(self,idx):
#         return(self.a[idx])
data=Test()
print(data)
print(data[0])

输出结果报错：

<__main__.Test object at 0x000002BBB45C2C70>
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Input In [20], in ()
      6 data=Test()
      7 print(data)
----> 8 print(data[0])

TypeError: 'Test' object is not subscriptable

在类中不创建__getitem__方法，并不使用数组形式读取类中的数据：

class Test():
    def __init__(self):
        self.a=[1,2,3,4,5]
#     def __getitem__(self,idx):
#         return(self.a[idx])
data=Test()
print(data)

输出结果：

<__main__.Test object at 0x000002BBB43AFC70>

总结：

 类中的__getitem__方法是为了将类中的数据可以用数组的形式读出，如果不使用数组的方法读类中的数据，那么就不需要在类中创建__getitem__方法

如何将__getitem__与dataloader结合使用

import torch
import numpy as np
from torch.utils.data import Dataset
 
# 创建MyDataset类
class MyDataset(Dataset):
    def __init__(self, x, y):
        self.data = torch.from_numpy(x).float()
        self.label = torch.LongTensor(y)
 
    def __getitem__(self, idx):
        return self.data[idx], self.label[idx], idx
 
    def __len__(self):
        return len(self.data)
 
Train_data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
Train_label = np.array([10, 11, 12, 13])
TrainDataset = MyDataset(Train_data, Train_label) # 创建实例对象
print('len:', len(TrainDataset))
 
# 创建DataLoader
loader = torch.utils.data.DataLoader(
    dataset=TrainDataset,
    batch_size=2,
    shuffle=False,
    num_workers=0,
    drop_last=False)
 
# 按batchsize打印数据
for batch_idx, (data, label, index) in enumerate(loader):
    print('batch_idx:',batch_idx, '\ndata:',data, '\nlabel:',label, '\nindex:',index)
    print('---------')

输出结果：

len: 4
 
batch_idx: 0 
data: tensor([[1., 2., 3.],
        [4., 5., 6.]]) 
label: tensor([10, 11]) 
index: tensor([0, 1])
---------
batch_idx: 1 
data: tensor([[ 7.,  8.,  9.],
        [10., 11., 12.]]) 
label: tensor([12, 13]) 
index: tensor([2, 3])
---------

https://blog.csdn.net/weixin_43863869/article/details/125602643