减小字体
增大字体- ·上一篇文章：NumPy 切片和索引
- ·下一篇文章：NumPy 广播(Broadcast)
NumPy 高级索引
NumPy 高级索引NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引。整数数组索引以下实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素。实例import numpy as npx = np.array([[1, 2], [3, 4], [5, 6]])y = x[[0,1,2], [0,1,0]]print (y)输出结果为：[1 4 5]以下实例获取了 4X3 数组中的四个角的元素。 行索引是 [0,0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]。实例import numpy as npx = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])print ('我们的数组是：' )print (x)print ('\n')rows = np.array([[0,0],[3,3]])cols = np.array([[0,2],[0,2]])y = x[rows,cols]print ('这个数组的四个角元素是：')print (y)输出结果为：我们的数组是：[[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]]这个数组的四个角元素是：[[ 0 2] [ 9 11]]返回的结果是包含每个角元素的 ndarray 对象。可以借助切片 :
或 … 与索引数组组合。如下面例子：实例import numpy as npa = np.array([[1,2,3], [4,5,6],[7,8,9]])b = a[1:
3, 1:
3]c = a[1:
3,[1,2]]d = a[...,1:
]print(b)print(c)print(d)输出结果为：[[5 6] [8 9]][[5 6] [8 9]][[2 3] [5 6] [8 9]]布尔索引我们可以通过一个布尔数组来索引目标数组。布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。以下实例获取大于 5 的元素：实例import numpy as npx = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])print ('我们的数组是：')print (x)print ('\n')
# 现在我们会打印出大于 5 的元素 print ('大于 5 的元素是：')print (x[x > 5])输出结果为：我们的数组是：[[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]]大于 5 的元素是：[ 6 7 8 9 10 11]以下实例使用了 ~（取补运算符）来过滤 NaN。实例import numpy as npa = np.array([np.nan, 1,2,np.nan,3,4,5])print (a[~np.isnan(a)])输出结果为：[ 1. 2. 3. 4. 5.]以下实例演示如何从数组中过滤掉非复数元素。实例import numpy as npa = np.array([1, 2+6j, 5, 3.5+5j])print (a[np.iscomplex(a)])输出如下：[2.0+6.j 3.5+5.j]花式索引花式索引指的是利用整数数组进行索引。花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；如果目标是二维数组，那么就是对应下标的行。花式索引跟切片不一样，它总是将数据复制到新数组中。1、传入顺序索引数组实例import numpy as npx=np.arange(32).reshape((8,4))print (x[[4,2,1,7]])输出结果为：[[16 17 18 19] [ 8 9 10 11] [ 4 5 6 7] [28 29 30 31]]2、传入倒序索引数组实例import numpy as npx=np.arange(32).reshape((8,4))print (x[[-4,-2,-1,-7]])输出结果为：[[16 17 18 19] [24 25 26 27] [28 29 30 31] [ 4 5 6 7]]3、传入多个索引数组（要使用np.ix_）实例import numpy as npx=np.arange(32).reshape((8,4))print (x[np.ix_([1,5,7,2],[0,3,1,2])])输出结果为：[[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]]
或 … 与索引数组组合。如下面例子：实例import numpy as npa = np.array([[1,2,3], [4,5,6],[7,8,9]])b = a[1:
3, 1:
3]c = a[1:
3,[1,2]]d = a[...,1:
]print(b)print(c)print(d)输出结果为：[[5 6] [8 9]][[5 6] [8 9]][[2 3] [5 6] [8 9]]布尔索引我们可以通过一个布尔数组来索引目标数组。布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。以下实例获取大于 5 的元素：实例import numpy as npx = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])print ('我们的数组是：')print (x)print ('\n')
# 现在我们会打印出大于 5 的元素 print ('大于 5 的元素是：')print (x[x > 5])输出结果为：我们的数组是：[[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]]大于 5 的元素是：[ 6 7 8 9 10 11]以下实例使用了 ~（取补运算符）来过滤 NaN。实例import numpy as npa = np.array([np.nan, 1,2,np.nan,3,4,5])print (a[~np.isnan(a)])输出结果为：[ 1. 2. 3. 4. 5.]以下实例演示如何从数组中过滤掉非复数元素。实例import numpy as npa = np.array([1, 2+6j, 5, 3.5+5j])print (a[np.iscomplex(a)])输出如下：[2.0+6.j 3.5+5.j]花式索引花式索引指的是利用整数数组进行索引。花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；如果目标是二维数组，那么就是对应下标的行。花式索引跟切片不一样，它总是将数据复制到新数组中。1、传入顺序索引数组实例import numpy as npx=np.arange(32).reshape((8,4))print (x[[4,2,1,7]])输出结果为：[[16 17 18 19] [ 8 9 10 11] [ 4 5 6 7] [28 29 30 31]]2、传入倒序索引数组实例import numpy as npx=np.arange(32).reshape((8,4))print (x[[-4,-2,-1,-7]])输出结果为：[[16 17 18 19] [24 25 26 27] [28 29 30 31] [ 4 5 6 7]]3、传入多个索引数组（要使用np.ix_）实例import numpy as npx=np.arange(32).reshape((8,4))print (x[np.ix_([1,5,7,2],[0,3,1,2])])输出结果为：[[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]]
NumPy 高级索引
