python中的numpy矩阵索引切片用法1（随手记）

NumPy 矩阵的索引切片技术非常灵活，可以让你以多种方式选择和操纵数组的部分。以下是一些常见的索引和切片技术：

1. 基本索引：

   单个元素：通过指定行和列的索引来访问单个元素，例如 matrix[row, col]。行或列：可以通过指定行号或列号来获取整行或整列，例如 matrix[row, :] 或 matrix[:, col]。

2. 切片：

   切片允许选择数组的一部分。例如，matrix[start_row:end_row, start_col:end_col]。切片支持步长，例如 matrix[start:end:step]。

3. 布尔索引：

   可以使用布尔数组来索引。例如，matrix[bool_array] 会选择所有对应布尔数组中值为 True 的元素。

4. 花式索引：

   使用整数数组进行索引。例如，matrix[[row1, row2], [col1, col2]] 会选择由指定行列坐标组成的元素集合。

5. 条件索引：

   可以基于条件来选择数组的元素，例如 matrix[matrix > value]。

6. 组合索引：

   可以组合使用上述索引方法，例如先进行切片，然后应用布尔索引。

7. np.ix_ 索引：

         np.ix_ 用于从多维数组中选择子矩阵。

        代码：ix_result =matrix[np.ix_([0, 2], [1, 2])]（选择行 0 和 2，列 1 和 2 的子矩阵）

        结果：将是 matrix 中的 [0, 2] 行和 [1, 2] 列交叉的元素。

下面是 NumPy 矩阵索引和切片的一些具体示例：

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

1. 基本索引：

   • 获取单个元素（第二行第三列）：

     • 代码：element = matrix[1, 2]
     • 结果：6

   • 获取整行（第二行）：

     • 代码：row = matrix[1, :]
     • 结果：[4, 5, 6]

   • 获取整列（第三列）：

     • 代码：column = matrix[:, 2]
     • 结果：[3, 6, 9]

2. 切片：

   • 获取左上角的 2x2 子矩阵：

     • 代码：slice1 = matrix[0:2, 0:2]
     • 结果：[[1, 2], [4, 5]]

   • 每隔一行和一列选择元素：

     • 代码：slice2 = matrix[::2, ::2]
     • 结果：[[1, 3], [7, 9]]

3. 布尔索引：

   选择大于 5 的所有元素：
   • 结果：[6, 7, 8, 9]
   • 代码：bool_result = matrix[matrix > 5]

4. 花式索引：

   选择特定行列组合的元素（第 1 行第 2 列，第 3 行第 3 列）：
   • 结果：[[2, 3], [8, 9]]
   • 代码：fancy_result = matrix[np.array([0, 2])[:, np.newaxis], np.array([1, 2])]

5. 条件索引：

   选择所有偶数元素：
   • 结果：[2, 4, 6, 8]
   • 代码：conditional_result = matrix[matrix % 2 == 0]