Numpy 索引

ndarrays可以使用x[start:stop:step]的语法.
注意在切片的时候,stop是不包含在内的

import numpy as np
data=np.array([1,2,3,4])
data[0]
1
data[1]
2
data[0:1]
array([1])
data[0:2]
array([1, 2])
data[1:2]
array([2])

索引子矩阵

In[2]: import numpy as np
  ...: d=np.arange(1,26).reshape((5,5))
  ...: 

索引行
索引连续多行与索引任意多行

In[3]: d[1]
Out[3]: array([ 6,  7,  8,  9, 10])
In[4]: d[1,:]
Out[4]: array([ 6,  7,  8,  9, 10])

索引列
索引连续多列与索引任意多列

In[5]: d[:,1]
Out[5]: array([ 2,  7, 12, 17, 22])

索引值
索引连续多值索引任意多值

In[6]: d[1][2]
Out[6]: 8
In[7]: d[1,2]
Out[7]: 8
In[8]: d[[1,2,3],[1,3,4]]  # 一次索引多个值
Out[8]: array([ 7, 14, 20])

条件索引

条件索引的原理是布尔索引，所以关键是要找到对应的布尔矩阵

In[2]: import numpy as np
  ...: 
  ...: test = np.array([[1,2,3,4],[4,3,2,1]])
  ...: 
In[3]: test
Out[3]: 
array([[1, 2, 3, 4],
       [4, 3, 2, 1]])
In[4]: test>2
Out[4]: 
array([[False, False,  True,  True],
       [ True,  True, False, False]], dtype=bool)
In[5]: (test==2) | (test==3)  # 不能使用all
Out[5]: 
array([[False,  True,  True, False],
       [False,  True,  True, False]], dtype=bool)
In[6]: np.isin(test,[2,3])
Out[6]: 
array([[False,  True,  True, False],
       [False,  True,  True, False]], dtype=bool)

where索引
https://www.cnblogs.com/massquantity/p/8908859.html