Python之Numpy库二(数组的访问与索引)

1. 元素访问

1.1 单一元素访问

      一维数组的元素访问非常简单，和 Python 列表规则基本差不多。对单一元素的访问，索引遵循从 0 开始，依次递增 1

案例：创建一个一维数组，并访问第3个元素

import numpy as np
arr=np.arange(10)
Out:
        array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

arr[6]
Out: 
        6  

arr[-1]
Out:
        9

2. 切片索引

2.1 基本切片

      跟列表类似，你可以一次性多个索引位置，进行多元素的访问。如果索引位置是离散的，可以手动构造列表切片的形式传入。也可以利用 start、stop、step 的方式来生成切片器。

案例：对于上述创建的一位数组，我们同时访问首尾的元素，那么可以指定其索引位置0和-1，语法如下：

arr[[0, -1]]

Out:
    array([0, 9])

这种情况下，访问结果会重新构造为ndarray对象返回。

 对于有规律的访问，可以

arr[1: : 2]
Out:
    array([1, 3, 5, 7, 9])

构造相应的切片器，例如我们访问上述数组中的偶数元素：

arr[0: -1: 2]
Out:
    array([0, 2, 4, 6, 8])

需要注意的是，在上述构造的切片器中，最后一位索引序列是无法取到的。例如我们访问奇数元素：

arr[1: -1: 2]
Out:
    array([1, 3, 5, 7])

对比发现，当切片器指定了 -1 时，末位元素是不会被选中的。

2.2 多维数组切片索引

对于二维数组，在某些特殊情况下，可以通过连续切片的方式进行访问。

案例：例如，我们创建一个连续整数组成的方阵：

arr_2d = np.arange(20).reshape(5,4)
Out:
    array([[ 0,  1,  2,  3],
           [ 4,  5,  6,  7],
           [ 8,  9, 10, 11],
           [12, 13, 14, 15]
           [16, 17, 18, 19]])

对 arr_2d 构造一个连续切片

arr_2d[0][1:3]
Out:
    array([1, 2])

对多维数组的索引，想要达到同样的的效果，可以一次传入多个切片。例如对上述结果，可以修改为：

arr_2d[0, 1:3]
Out:
    array([1, 2])

在上述步骤中，传入了 2 个切片。严格来讲，第一个切片是整数索引，是对数组的最外层（axis=0）进行选择；第二个切片是对数组的内一层（axis=1）进行选择。

更一般地，我们可以自由地根据需求，构造想要的切片效果。例如：

arr_2d[0:2, 1:3]
Out:
    array([[1, 2],
           [5, 6]])

上述案例在 axis=0 方向上选择了第 0 和第 1 行，在 axis=1 方向上选择了第 1 列和第 2 列，两种切片方向的聚焦部分即为切片索引的结果。

需要指出的是，如果切片只有冒号，表示选取该方向的整个轴。例如，利用该方法，可以对二维数组进行列方向的切片：

arr_2d[:, 1:3]
Out:
    array([[ 1,  2],
           [ 5,  6],
           [ 9, 10],
           [13, 14]
           [17, 18]])

3. 布尔型索引

直观上理解，通过布尔类型来完成索引的过程，我们可以称之为布尔型索引。

案例:例如对于上述 arr_2d，我们通过传入 [True, True, False, False] 这样一个布尔类型的列表，来选择第 0 行和第 1 行：

arr_2d[[True, True, False, False]]
Out:
    array([[0, 1, 2, 3],
           [4, 5, 6, 7]])

需要注意的是，传入的布尔类型列表的长度，需要跟被索引的轴的长度一致，否则会引起 IndexError。在实际使用中，可以灵活地把布尔索引和切片索引、整数索引混合使用，非常方便。

例如，这里利用布尔型索引和切片索引来达到列方向切片的效果：

arr_2d[:, [True, True, False, False]]
Out:
    array([[ 0,  1],
           [ 4,  5],
           [ 8,  9],
           [12, 13]
           [15, 16]])