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。
1 import numpy as np 2 x = np.array([[1, 2], [3, 4], [5, 6]]) 3 y = x[[0, 1, 2], [0, 1, 0]] 4 print(y)
输出结果
[1 4 5]
1 import numpy as np 2 3 x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]]) 4 print (‘我们的数组是:‘ ) 5 print (x) 6 print (‘\n‘) 7 rows = np.array([[0,0],[3,3]]) 8 cols = np.array([[0,2],[0,2]]) 9 y = x[rows,cols] 10 print (‘这个数组的四个角元素是:‘) 11 print (y)
输出结果:
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]]
1 import numpy as np 2 3 a = np.array([[1,2,3], [4,5,6],[7,8,9]]) 4 b = a[1:3, 1:3] 5 c = a[1:3,[1,2]] 6 d = a[...,1:] 7 print(b) 8 print(c) 9 print(d)
结果:
[[5 6] [8 9]] [[5 6] [8 9]] [[2 3] [5 6] [8 9]]
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。
1 import numpy as np 2 x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]]) 3 print(‘我们的数组是:‘) 4 print(x) 5 print(‘\n‘) 6 # 现在我们会打印出大于 5 的元素 7 print(‘大于 5 的元素是:‘) 8 print(x[x > 5])
输出结果;
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]
1 import numpy as np 2 3 a = np.array([np.nan, 1,2,np.nan,3,4,5]) 4 print (a[~np.isnan(a)])
执行结果:
1 [ 1. 2. 3. 4. 5.]
1 import numpy as np 2 3 a = np.array([1, 2+6j, 5, 3.5+5j]) 4 print (a[np.iscomplex(a)])
执行结果:
[2.0+6.j 3.5+5.j]
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 import numpy as np 2 3 x=np.arange(32).reshape((8,4)) 4 print (x[[4,2,1,7]])
输出结果:
[[16 17 18 19] [ 8 9 10 11] [ 4 5 6 7] [28 29 30 31]]
1 import numpy as np 2 3 x=np.arange(32).reshape((8,4)) 4 print (x[[-4,-2,-1,-7]])
执行结果:
[[16 17 18 19] [24 25 26 27] [28 29 30 31] [ 4 5 6 7]]
1 import numpy as np 2 3 x=np.arange(32).reshape((8,4)) 4 print (x[np.ix_([1,5,7,2],[0,3,1,2])])
执行结果:
[[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]]
原文:https://www.cnblogs.com/weststar/p/11573445.html