Lesson8——NumPy 高级索引

NumPy 教程目录

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。

1 整数数组索引

Example：以下实例获取数组中 (0,0)，(1,1) 和 (2,0) 位置处的元素。

x = np.array([[1,2],[3,4],[5,6]])
y = x[[0,1,2],[0,1,0]]
print(y)
#输出结果
[1 4 5]

Example：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]。

x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]]) 
print ('我们的数组是：' )
print(x)
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
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]]

Example：

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
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：

Examples:

a = np.array([[1,2,3], [4,5,6],[7,8,9]])
print("array is ")
print(a)
#输出结果
array is 
[[1 2 3]
 [4 5 6]
 [7 8 9]]

print(a[1:3,1:3])
#输出结果
[[5 6]
 [8 9]]

print(a[1:3,[1,2]])
#输出结果
[[5 6]
 [8 9]]

print(a[1:3,1])
#输出结果
[5 8]

print(a[...,1:])
#输出结果
[[2 3]
 [5 6]
 [8 9]]

2 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。

Examples: 以下实例获取大于 5 的元素：

x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
print ('我们的数组是：')
print (x)
#输出结果
我们的数组是：
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

# 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
大于 5 的元素是：
[ 6  7  8  9 10 11]

print(x[True])
#输出结果
[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]
  [ 9 10 11]]]

print(x[False])
#输出结果
[]

Exampless: 以下实例使用了 ~（取补运算符）来过滤 NaN。

a = np.array([np.nan,  1,2,np.nan,3,4,5])  
print(a[np.isnan(a)])
print (a[~np.isnan(a)])
#输出结果
[nan nan]
[1. 2. 3. 4. 5.]

Examples: 以下实例演示如何从数组中过滤掉非复数元素。 

a = np.array([1,  2+6j,  5,  3.5+5j])  
print (a[np.iscomplex(a)])
#输出结果
[2. +6.j 3.5+5.j]

3 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下标的行，如果目标是二维数组，那么就是对应位置的元素。

　　花式索引跟切片不一样，它总是将数据复制到新数组中。

3.1 传入顺序索引数组

Example:

x=np.arange(32).reshape((8,4))
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]]

3.2 传入倒序索引数组

Example:

x=np.arange(32).reshape((8,4))
print (x[[-4,-2,-1,-7]])
#输出结果
[[16 17 18 19]
 [24 25 26 27]
 [28 29 30 31]
 [ 4  5  6  7]]

3.3 传入多个索引数组

Example:

x=np.arange(32).reshape((8,4))
print (x[np.ix_([1,5,7,2],[0,3,1,2])])
#输出结果
[[ 4  7  5  6]
 [20 23 21 22]
 [28 31 29 30]
 [ 8 11  9 10]]