Fancy indexing

ind = [3，5，8]

x[ind]就可以返回对应索引的值，

亦可以穿二维

也可以

x[row,col]

比如

x[[0,1,2],[1,2,3]]

或者x[0,[1,2,3]]

或者x[:2,[1,2,3]]   

如果是布尔值

就是对应的值，True是出现，False就是没

 

布尔数组很重要，比如比较

x<3

就出的是布尔数组   

我们可以结合加减乘除获得更加复杂的逻辑

比如2*x == 24-4*x

可以返回可以的元素

或者用np.sum(x<3)返回符合的个数

np.count_nonzero(x<=3)

是否有任何非0

np.any(x==0)

所有true才会返回true

np.all(x>=0)

np.sum(X%2 == 0 ,axis=1)

每一行多少偶数 

np.sum((x>3)&(x<10))

就是切

注意是位运算符，不是条件运算符

如果是条件运算符&&那么最终的结果是会报错的

也可以或|

也可以非

np.sum(~(x==0))

取符合条件的子数组

x[x<5]

就出了

 我们很多时候不直接操作numpy的数据而是使用Pandas

不过机器学习中都是返回numpy的

所以通常我们用这个