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。

NumPy 中的高级索引指的是使用整数数组、布尔数组或者其他序列来访问数组的元素。相比于基本索引，高级索引可以访问到数组中的任意元素，并且可以用来对数组进行复杂的操作和修改。

整数数组索引

整数数组索引是指使用一个数组来访问另一个数组的元素。这个数组中的每个元素都是目标数组中某个维度上的索引值。

以下实例获取数组中 (0,0)，(1,1) 和 (2,0) 位置处的元素。

示例代码

importnumpyasnpx=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]。

示例代码

importnumpyasnpx=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：

示例代码

importnumpyasnpa=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：

示例代码

importnumpyasnpx=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。

示例代码

importnumpyasnpa=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。

示例代码

importnumpyasnpa=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。

一维数组

一维数组只有一个轴 axis = 0 ，所以一维数组就在 axis = 0 这个轴上取值：

示例代码

importnumpyasnpx=np.arange(9)print(x)# 一维数组读取指定下标对应的元素print("-------读取下标对应的元素-------")x2=x[[0,6]]# 使用花式索引print(x2)print(x2[0])print(x2[1])

输出结果为：

[0 1 2 3 4 5 6 7 8]

-------读取下标对应的元素-------

[0 6]

0

6

二维数组

1、传入顺序索引数组

示例代码

importnumpyasnpx=np.arange(32).reshape((8,4))print(x)# 二维数组读取指定下标对应的行print("-------读取下标对应的行-------")print(x[[4,2,1,7]])

print (x[[4,2,1,7]]) 输出下表为 4, 2, 1, 7 对应的行，输出结果为：

[[ 0  1  2  3]

 [ 4  5  6  7]

 [ 8  9 10 11]

 [12 13 14 15]

 [16 17 18 19]

 [20 21 22 23]

 [24 25 26 27]

 [28 29 30 31]]

-------读取下标对应的行-------

[[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

示例代码

importnumpyasnpx=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_）

np.ix_ 函数就是输入两个数组，产生笛卡尔积的映射关系。

笛卡尔乘积是指在数学中，两个集合 X 和 Y 的笛卡尔积（Cartesian product），又称直积，表示为 X×Y ，第一个对象是X的成员而第二个对象是 Y 的所有可能有序对的其中一个成员。

例如 A={a,b}, B={0,1,2} ，则：

A×B={(a, 0), (a, 1), (a, 2), (b, 0), (b, 1), (b, 2)}

B×A={(0, a), (0, b), (1, a), (1, b), (2, a), (2, b)}

示例代码

importnumpyasnpx=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 - NUMPY教程

NumPy 高级索引

整数数组索引

布尔索引

花式索引

一维数组

二维数组