Python数据分析入门补充知识——numpy中的索引和切片

---

前言

索引和切片是数据分析的基础，今天先学习一下numpy中的索引和切片用法。

---

一、索引

1. 整数索引

（1）一维数组
假设有一个一维数组array_1d

下标	[0]	[1]	[2]	[3]	[4]	[5]
数值	10	20	30	40	50	60

那么，array_1d[3]取的就是下标为3的数字40，即数组中的第四个数。
这里要注意，数组的下标都是从0开始的
（2）二维数组
假设有一个二维数组array_2d

行/列号	[0]列	[1]列	[2]列
[0]行	1	2	3
[1]行	4	5	6
[2]行	7	8	9

如果索引中只有一个数[a]，代表的是取行号为a的一整行
如果索引中有两个数[a,b]，代表的是取行号为a、列号为b的这个元素

2. 花式索引

（1）对一维数组来说，使用花式索引可以获取该数组的多个元素。
（2）对二维数组来说，可以使用花式索引获取该数组的多行元素。

这里，二维数组应用花式索引要特别注意以下两种表述方式：

3. 布尔索引

打个比方，有一组成绩数据，要从中筛选出60分以下的数据，就需要用到布尔索引。
布尔可以简单理解为真和假，符合条件为真，即True，不符合条件为假，即False。
使用布尔索引访问时，会先生成一个外观长得几乎一模一样的数组，区别就是数组中存放的是原来那个数字的判断结果，再按布尔值取到判断结果为True的数值，如下图所示：

array_2d=np.arrange(1,10).reshape((3,3))
print(array_2d)
print("-----------")
# 使用布尔索引访问元素
print(array_2d>5)
print("--------------")
print(array_2d[array_2d>5])

在jupyter notebook中的运行结果如下：

二、数组切片

1. 一维数组的切片

Numpy中支持使用切片访问数组的元素。
假设有一个一维数组array_1d
千万注意数组的下标都是从0开始，那么这6个数值对应的就是下标0到5。

下标	[0]	[1]	[2]	[3]	[4]	[5]
数值	10	20	30	40	50	60

下面演示不同切片方式及结果：

用法	范围	示例	结果	图示
[a:b]	下标[a,b)左闭右开	array_1d[1:3]	[20 30]
[:b]	若b>0，取前b个元素	array_1d[:3]	[10 20 30]
[:-b]	若冒号后是个负数，则代表去掉最后b个元素	array_1d[:-2]	[10 20 30 40]
[:]	所有元素	array_1d[:]	[10 20 30 40 50 60]
[::c]	从开头到结尾，步长为2	array_1d[::2]	[10 30 50]

验证代码：

import numpy as np
array_1d=np.array([10,20,30,40,50,60])
print(array_1d[1:3])	#访问索引为1、2的元素
print(array_1d[:3])		#访问前3个元素
print(array_1d[:-1])	#访问除末尾元素之外的元素
print(array_1d[:])		#访问全部元素
print(array_1d[::2])	#访问从刚开头到末尾、步长为2的元素

2. 二维数组的切片

与一维数组相比，二维数组支持更多的切片操作。
假设有一个二维数组array_2d

行/列号	[0]列	[1]列	[2]列
[0]行	1	2	3
[1]行	4	5	6
[2]行	7	8	9

下面演示不同切片方式及结果：

示例	范围	结果	图示
array_2d[:2]	访问前2行	[[1 2 3] [4 5 6]]
array_2d[:2, 0:2]	前两行，[0]列和[1]列	[[1 2] [4 5]]
array_2d[:2,1]	前两行、第二列	[2 5]

验证代码：

import numpy as np
array_2d=np.array([[1,2,3],[4,5,6],[7,8,9]])	#创建二维数组
print(array_2d)
print('-------')
print(array_2d[:2])			#使用切片访问前两行的元素
print(array_2d[:2,0:2])		#使用切片访问前两行、第一列和第二列的元素
print(array_2d[:2,1])		#使用切片访问前两行、第二列的元素

---

总结

Series和DateFrame中的索引和切片用法与本文类似，还在探索中。。。

参考资料：人民邮电出版社，黑马程序员主编的《Python数据预处理》