NumPy学习（4）：数组索引

最新推荐文章于 2024-08-19 11:12:00 发布

罗塞菈桔梨萝柚

最新推荐文章于 2024-08-19 11:12:00 发布

阅读量613

点赞数 25

分类专栏： # numpy 机械学习文章标签：算法 python numpy

本文链接：https://blog.csdn.net/HoshinaKaori/article/details/138543522

版权

numpy 同时被 2 个专栏收录

8 篇文章 0 订阅

订阅专栏

机械学习

8 篇文章 0 订阅

订阅专栏

NumPy-数组索引

NumPy-切片和索引

ndarray 对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样

索引

ndarray 数组可以基于 0 - n 的下标进行索引

import numpy as np
 
a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
b = a[5] 
print(b)

# 输出
  5

切片

slice 函数进行切片

切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。

例子

import numpy as np
 
a = np.arange(10)
s = slice(2,7,2)   # 从索引 2 开始到索引 7 停止，间隔为2
print (a[s])

# 输出
  [2  4  6]

通过索引提取切片

可以通过冒号分隔切片参数 start:stop:step 来进行切片操作

import numpy as np
 
a = np.arange(10)  
b = a[2:7:2]   # 从索引 2 开始到索引 7 停止，间隔为 2
print(b)

# 输出
  [2  4  6]

如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。

如果为 [2:]，表示从该索引开始以后的所有项都将被提取。

import numpy as np
 
a = np.arange(10)
print(a[2:])

# 输出
  [2  3  4  5  6  7  8  9]

如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。

import numpy as np
 
a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
print(a[2:5])

# 输出
  [2  3  4]

多维数组同样适用上述索引提取方法

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
# 从某个索引处开始切割
print('从数组索引 a[1:] 处开始切割')
print(a[1:])

# 输出
  [[1 2 3]
   [3 4 5]
   [4 5 6]]
  从数组索引 a[1:] 处开始切割
  [[3 4 5]
   [4 5 6]]

切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。如果在行位置使用省略号，它将返回包含行中元素的 ndarray。

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])  
print (a[... , 1])   # 第2列元素
print (a[1 , ...])   # 第2行元素
print (a[..., 1:])  # 第2列及剩下的所有元素

#  输出
  [2 4 5]
  [3 4 5]
  [[2 3]
   [4 5]
   [5 6]]

NumPy-高级索引

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。

例子

获取数组中 (0,0)，(1,1) 和 (2,0) 位置处的元素。

import numpy as np 
 
x = np.array([[1,  2],  [3,  4],  [5,  6]]) 
y = x[[0,1,2],  [0,1,0]]   #行索引分别为0，1，2 列索引分别为0，1，0
print (y)

# 输出
  [1  4  5]

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]。

import numpy as np 
 
x = 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]]) # 行索引分别为0，0，3，3
cols = np.array([[0,2],[0,2]]) # 列索引分别为0，2，0，2
y = x[rows,cols]  
print  ('这个数组的四个角元素是：')
print (y)

# 输出
  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]]

可以借助切片 : 或 … 与索引数组组合。

import numpy as np
 
a = np.array([[1,2,3], [4,5,6],[7,8,9]])
b = a[1:3, 1:3]		#行索引为1，2  列索引为1，2
c = a[1:3,[1,2]]	#行索引为1，2  列索引为1，2
d = a[...,1:]		#列索引为1，2
print(b)
print(c)
print(d)

# 输出
  [[5 6]
   [8 9]]
  [[5 6]
   [8 9]]
  [[2 3]
   [5 6]
   [8 9]]

布尔索引

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。

例子

获取大于 5 的元素

import numpy as np 
 
x = np.array([[0, 1, 2],[3, 4, 5],[6, 7, 8],[9, 10, 11]])  
print ('数组是：')
print (x)
print ('\n')
# 打印出大于 5 的元素  
print  ('大于 5 的元素是：')
print (x[x > 5])

# 输出
  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]

使用了 ~（取补运算符）来过滤 NaN

import numpy as np 
 
a = np.array([np.nan,  1,2,np.nan,3,4,5])  
print (a[~np.isnan(a)])

# 输出
  [ 1.  2.  3.  4.  5.]

过滤掉非复数元素

import numpy as np 
 
a = np.array([1, 2+6j, 5, 3.5+5j])  
print (a[np.iscomplex(a)])

# 输出
  [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。

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

例子

import numpy as np

x = 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
  [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

传入顺序索引数组

import numpy as np 
 
x=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]])

# 输出
  [[ 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]]

传入倒序索引数组

import numpy as np 
 
x=np.arange(32).reshape((8,4))
print (x[[-4,-2,-1,-7]])

# 输出
  [[16 17 18 19]
   [24 25 26 27]
   [28 29 30 31]
   [ 4  5  6  7]]

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。

import numpy as np 
 
x=np.arange(32).reshape((8,4))
print (x[np.ix_([1,5,7,2],[0,3,1,2])])

#索引分别为
  [1][0],[1][3],[1][1],[1][2]
  [5][0],[5][3],[5][1],[5][2]
  [7][0],[7][3],[7][1],[7][2]
  [2][0],[2][3],[2][1],[2][2]

# 输出
  [[ 4  7  5  6]
   [20 23 21 22]
   [28 31 29 30]
   [ 8 11  9 10]]