NumPy入门基础语法学习10

2.7 花哨的索引

在前面的小节中，我们看到了如何利用简单的索引值（如 arr[0] ）、

切片（如 arr[:5] ）和布尔掩码（如 arr[arr > 0] ）获得并修改部分

数组。在这一节中，我们将介绍另外一种数组索引，也称作花哨的索引

（ fancy indexing ）。花哨的索引和前面那些简单的索引非常类似，但是

传递的是索引数组，而不是单个标量。花哨的索引让我们能够快速获得

并修改复杂的数组值的子数据集。

 

2.7.1 探索花哨的索引

花哨的索引在概念上非常简单，它意味着传递一个索引数组来一次性获

得多个数组元素。例如以下数组：

假设我们希望获得三个不同的元素，可以用以下方式实现：

另外一种方法是通过传递索引的单个列表或数组来获得同样的结果：

 

利用花哨的索引，结果的形状与索引数组的形状一致，而不是与被索引

数组的形状一致：

花哨的索引也对多个维度适用。假设我们有以下数组：

 

和标准的索引方式一样，第一个索引指的是行，第二个索引指的是列：

 

这里需要注意，结果的第一个值是 X[0, 2] ，第二个值是 X[1, 1] ，第

三个值是 X[2, 3] 。在花哨的索引中，索引值的配对遵循 2.5 节介绍过

的广播的规则。因此当我们将一个列向量和一个行向量组合在一个索引

中时，会得到一个二维的结果：

 

X[row[:, np.newaxis], col]


array([[ 2,  1,  3],
       [ 6,  5,  7],
       [10,  9, 11]])

这里，每一行的值都与每一列的向量配对，正如我们看到的广播的算术

运算：

 

row[:, np.newaxis] * col

array([[0, 0, 0],
       [2, 1, 3],
       [4, 2, 6]])

这里特别需要记住的是，花哨的索引返回的值反映的是广播后的索引数

组的形状，而不是被索引的数组的形状。

2.7.2 组合索引

花哨的索引可以和其他索引方案结合起来形成更强大的索引操作：

 print(X)


 [[ 0 1 2 3] 
 [ 4 5 6 7] 
 [ 8 9 10 11]]

可以将花哨的索引和简单的索引组合使用：

X[2, [2, 0, 1]]

array([10,  8,  9])

也可以将花哨的索引和切片组合使用：

 

 X[1:, [2, 0, 1]]

 array([[ 6,  4,  5],
       [10,  8,  9]])

更可以将花哨的索引和掩码组合使用：

索引选项的组合可以实现非常灵活的获取和修改数组元素的操作。

 

2.7.3 示例：选择随机点

花哨的索引的一个常见用途是从一个矩阵中选择行的子集。例如我们有

一个 N × D 的矩阵，表示在 D 个维度的 N 个点。以下是一个二维正态分

布的点组成的数组：

 

 

可以用散点图将这些点可视化（如图2-7 所示）：

 

                                                   图 2-7 ：正态分布的点

我们将利用花哨的索引随机选取 20 个点——选择 20 个随机的、不重复

的索引值，并利用这些索引值选取到原始数组对应的值：

indices = np.random.choice(X.shape[0], 20, replace=False) 
indices 


 array([93, 45, 73, 81, 50, 10, 98, 94, 4, 64, 65, 89, 47, 84, 82, 80, 25, 90, 63, 20])

 selection = X[indices] # 花哨的索引
 selection.shape 

 (20, 2)

现在来看哪些点被选中了，将选中的点在图上用大圆圈标示出来（如图

2-8 所示）：

 

                                           图 2-8 ：随机选择的点

 

2.7.4 用花哨的索引修改值

正如花哨的索引可以被用于获取部分数组，它也可以被用于修改部分数

组。例如，假设我们有一个索引数组，并且希望设置数组中对应的值：

可以用任何的赋值操作来实现，例如：

不过需要注意，操作中重复的索引会导致一些出乎意料的结果产生，如

以下例子所示：

x = np.zeros(10) 
x[[0, 0]] = [4, 6] 
print(x)

[ 6. 0. 0. 0. 0. 0. 0. 0. 0. 0.]

4 去哪里了呢？这个操作首先赋值 x[0] = 4 ，然后赋值 x[0] = 6 ，因

此当然 x[0] 的值为 6 。

以上还算合理，但是设想以下操作：

 

你可能期望 x[3] 的值为 2 ， x[4] 的值为 3 ，因为这是这些索引值重复的次数。但是为什么结果不同于我们的预想呢？从概念的角度理解，这

是因为 x[i] += 1 是 x[i] = x[i] + 1 的简写。 x[i] + 1 计算后，这个结果被赋值给了 x 相应的索引值。记住这个原理后，我们却发现数 组并没有发生多次累加，

而是发生了赋值，显然这不是我们希望的结 果。

因此，如果你希望累加，该怎么做呢？你可以借助通用函数中的 at() 方法（在 NumPy 1.8 以后的版本中可以使用）来实现。进行如下操作：

 

x = np.zeros(10) 
np.add.at(x, i, 1) 
print(x) 


[ 0. 0. 1. 2. 3. 0. 0. 0. 0. 0.]

at() 函数在这里对给定的操作、给定的索引（这里是 i ）以及给定的

值（这里是 1 ）执行的是就地操作。另一个可以实现该功能的类似方法

是通用函数中的 reduceat() 函数，你可以在 NumPy 文档中找到关于

该函数的更多信息。

2.7.5 示例：数据区间划分

你可以用这些方法有效地将数据进行区间划分并手动创建直方图。例

如，假定我们有 1000 个值，希望快速统计分布在每个区间中的数据频

次，可以用 ufunc.at 来计算：

 

np.random.seed(42) 
x = np.random.randn(100) # 手动计算直方图 
bins = np.linspace(-5, 5, 20) 
counts = np.zeros_like(bins) # 为每个x找到合适的区间 
i = np.searchsorted(bins, x) # 为每个区间加上1 
np.add.at(counts, i, 1)
# 画出结果 
plt.plot(bins, counts, linestyle='steps');
import warnings
warnings.simplefilter("error")

                         图 2-9 ：手动计算的直方图 

 

当然，如果每次需要画直方图你都这么做的话，也是很不明智的。这就

是为什么 Matplotlib 提供了 plt.hist() 方法，该方法仅用一行代码就

实现了上述功能：

这个函数将生成一个和图 2-9 几乎一模一样的图。为了计算区间，

Matplotlib 将使用 np.histogram 函数，该函数的计算功能也和上面执

行的计算类似。接下来比较一下这两种方法：

 

可以看到，我们一行代码的算法比 NumPy 优化过的算法快好几倍！这

是如何做到的呢？如果你深入 np.histogram 源代码（可以在 IPython

中输入 np.histogram?? 查看源代码），就会看到它比我们前面用过的

简单的搜索和计数方法更复杂。这是由于 NumPy 的算法更灵活（需要

适应不同场景），因此在数据点比较大时更能显示出其良好性能：

 

以上比较表明，算法效率并不是一个简单的问题。一个对大数据集非常

有效的算法并不总是小数据集的最佳选择，反之同理（详情请参见

2.8.3 节）。但是自己编写这个算法的好处是可以理解这些基本方法。

你可以利用这些编写好的模块去扩展，以实现一些有意思的自定义操

作。将 Python 有效地用于数据密集型应用中的关键是，当应用场景合

适时知道使用 np.histogram 这样的现成函数，当需要执行更多指定的

操作时也知道如何利用更低级的功能来实现。