numpy——索引

       前言：索引是很多数据结构的基础功能，因此，我们常见的索引都是简洁而规范的。下面介绍numpy中常见的五种索引，它们分别是整数索引、切片索引、dots索引、整数数组索引、布尔索引。

一、整数索引

这部分很简单，直接看代码： 

运行结果： 

 

二、切片索引 

1、原理：切片操作是指抽取数组的一部分元素生成新数组。对 python 列表进行切片操作得到的数组是原数组的副本，而对 Numpy 数据进行切片操作得到的数组则是指向相同缓冲区的视图。
         如果想抽取（或查看）数组的一部分，必须使用切片语法，也就是，把几个用冒号（ start:stop:step ）隔开的数字置于方括号内。
        为了更好地理解切片语法，还应该了解不明确指明起始和结束位置的情况。如省去第一个数字，numpy 会认为第一个数字是0；如省去第二个 数字，numpy 则会认为第二个数字是数组的大索引值；如省去后一个数字，它将会被理解为1，也就是抽取所有元素而不再考虑间隔。
 

2、对一维数组的切片（实践出真知，我们还是直接看代码）

3、对二维数组的切片

机制：通过对每个以逗号分隔的维度执行单独的切片，你可以对多维数组进行切片。因此，对于二维数组，我们的第一片定义了行的切片，第二片定义了列的切片。
 

看代码：

 对于第二片的使用也可以参考2中我写的代码的第五行及其运行结果

三、dots索引 

1、NumPy 允许使用 ... 表示足够多的冒号来构建完整的索引列表。
比如，如果 x 是 5 维数组：
1. x[1,2,...] 等于 x[1,2,:,:,:]

2. x[...,3] 等于 x[:,:,:,:,3]

3. x[4,...,5,:] 等于 x[4,:,:,5,:]
 

【总结：数组有几维，中括号中的片就有几个】 

 

 

四、整数数组索引 

1、方法：方括号内传入多个索引值，可以同时选择多个元素。 

 

五、布尔索引 

这一部分也很简单，方法机制为：通过一个布尔数组来索引目标数组 

总结 

索引的难点在于切片索引，这也是numpy索引的重点 ，是后面其它索引方法的基础