这在python中称为list comprehension。这条线

Nx = np.array([(x < x_i).sum() for x_i in x]) / float(n)

字符串
基本上是速记

new_list = []
for x_i in x:
    new_elem = (x < x_i).sum()
    new_list.append(new_elem)

Nx = np.array(new_list) / float(n)

型
我认为for循环使理解列表理解的作用变得相当简单。如果您在理解循环时遇到困难，请使用调试器单步调试代码，并查看每行的作用。
现在，我们来了解一下每个部分的功能。
对于numpy数组，可以使用常用的比较运算符执行元素比较。在每次迭代中，我们有数组x和x_i，一个标量，是数组的第i个元素。

• (x < x_i)对x的每个元素执行逐元素比较，并根据比较操作的结果返回一个新的数组，其中每个元素为True或False。所以本质上我们有一个new_array的布尔值，使得p的第一个元素new_array[p] = x[p] < x_i。
• .sum()计算此new_array中所有元素的总和。由于True的计算结果为1，而False的计算结果为0，因此.sum()将返回new_array中True值的个数。也就是说，它返回“x中小于x_i的元素的个数“
• 现在，这些值由列表解析放入列表中。所以new_list[i]将是数组x中小于x[i]的元素的数目。
• 最后，将其转换为numpy数组，并将其中的每个元素除以float(n)，即x中的元素数。

因此，Nx是一个数组，使得Nx的第i个元素是x中小于x的第i个元素的元素的百分比。

只要在终端中运行每一段，看看会发生什么。
首先，使用以下命令创建x数组

n = 5 # I added this such that n is defined
x = np.array(range(1,n+1))

字符串
这将产生array([1, 2, 3, 4, 5])数组。但请注意，您应该使用np.arange(1, n+1)。
现在我们来看第二行。np.array的参数是[(x < x_i).sum() for x_i in x]。这是一个列表理解。这是一个很好的创建列表的语法。我们可以这样读：“对于列表x中的每个元素x_i，计算(x < x_i).sum()。什么是(x < x_i).sum()？我们知道x_i是单个元素，而x是数组[1, 2, 3, 4, 5]。当你将NumPy数组与这样的元素进行比较时，你会得到一个包含“True”和“False”的布尔数组。然后sum()将对元素求和（基本上是计算“True”的数量）。这个列表解析的结果然后被转换成另一个数组，其元素然后除以n。

为了便于理解，让我们分成几个小块

np.array([(x < x_i).sum() for x_i in x])

字符串

1.第一部分

for x_i in x

型
表示数组x中的每个元素

第二部分

x < x_i

型
返回布尔值
例如：

x = np.array(range(1,9+1))

型
它创建一个数组[1，2，3，4，5，6，7，8，9]
那么假设我取xi为9

(x < 9)

型
返回布尔值数组

array([ True,  True,  True,  True,  True,  True,  True,  True, False])

型

第三部分

(x < x_i).sum()

型
对所有真值求和，因此当xi =9时，sum为8

第四部分

np.array([(x < x_i).sum() for x_i in x])

型
它将所有值存储在数组Nx中

我们先来分解一下

np.array([(x < x_i).sum() for x_i in x])

字符串
(x < x_i)：是一个布尔表达式，表示其结果为false（或0）或true（或1）。
(x < x_i).sum()：将给予列表的总和。例如：假设x = array[1,2,3]
1.第一种情况是x_i = 1，所以（x < x_i）会给予array([false,false,false])，因为x_i = 0 > 0是false，x_i = 0> 1是false，最后一个x_i = 0 > 2是false，
sum(false,false,false) = sum(0,0,0) = 0
1.第二种情况是x_i = 2，所以so（x < x_i）会给予array([ True, False, False])，所以sum(true,false,false) = sum(1,0,0) = 1
1.第三种情况是sum（true，true，false）= sum（1，1，0）= 2
因此，Nx = array([0,1,2])