numpy数组的切片和索引

numpy数组的切片和索引

• 基本切片的语法是array[i: j: k]，其中i是起始索引，j是停止索引，k是步长（k≠0）
  示例：

import numpy as np
x = np.array([0, 1, 2, 3, 4, 5, 6, 7])
print(x[1:6:2])

[1 3 5]

• 假设n是被切片的维度中的元素的数量。若没给出i的值，则对于k>0，它默认是0，对于k<0，它默认为n-1。
• 如果没给出j，则对于k>0， 它默认为n，对于k<0，则默认为-n-1。如果没有给定k，则默认为1。
• x[::]与想x[:]相同，表示选择沿此轴的所有索引。
• 例 k=-1, 则是反转一个向量(第一个元素变为最后一个)

print(x[::-1])

[7 6 5 4 3 2 1 0]

高级索引

• 纯整数数组索引

x = np.array([[1, 2],
              [3, 4],
              [5, 6]])

print(x[[0, 1, 2], [0, 1, 0]])

[1 4 5]

• 应使用高级索引从4x4数组中选择角元素, 因此，需要选择列是 [0，3] 中的一个，行是 [0，3] 中的一个的所有元素。 要使用高级索引，需要显式 选择所有元素。

a = np.arange(16).reshape(4, 4)
print(a)

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]]
 
rows = np.array([[0, 0],
               [3, 3]])
columns = np.array([[0, 3], 
                  [0, 3]])
print(a[rows, columns])

[[ 0  3]
 [12 15]]

详细介绍参考
NumPy 中文网