NumPy 高级索引

NumPy 高级索引

NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引。

整数数组索引

以下实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素。

import numpy as np

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

 

b=a[[0,1,2],[0,1,0]]

print(b)

 

----------------执行以上程序，返回的结果为---------------

[[1 2 3]
 [4 5 6]
 [7 8 9]]
[1 5 7]

以下实例获取了 4X3 数组中的四个角的元素。 行索引是 [0,0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]。

import numpy as np

a=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])

print('我们的数组是：')

print(a)

print('\n')

 

rows = np.array([[0, 0], [3, 3]])

cols = np.array([[0, 2], [0, 2]])

b = a[rows, cols]

print('这个数组的四个角元素是：')

print(b)

 

----------------执行以上程序，返回的结果为---------------

我们的数组是：
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

这个数组的四个角元素是：
[[ 0  2]
 [ 9 11]]

返回的结果是包含每个角元素的 ndarray 对象。

可以借助切片 : 或 … 与索引数组组合。如下面例子：

import numpy as np

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

print('我们的数组是：')

print(a)

 

b=a[1:3,1:3]

c=a[1:3,[1,2]]

d=a[...,1]

print(b)

print(c)

print(d)

 

----------------执行以上程序，返回的结果为---------------

我们的数组是：
[[1 2 3]
 [4 5 6]
 [7 8 9]]

[[5 6]
 [8 9]]
[[5 6]
 [8 9]]
[2 5 8]

布尔索引

我们可以通过一个布尔数组来索引目标数组。

布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。

以下实例获取大于 5 的元素：

实例

import numpy as np

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

print('我们的数组是：')

print(a)

print('\n')

 

# 现在我们会打印出大于 5 的元素 

print('大于5的元素是：')

print(a[a>5])

 

----------------执行以上程序，返回的结果为---------------

我们的数组是：
[[1 2 3]
 [4 5 6]
 [7 8 9]]

大于5的元素是：
[6 7 8 9]

以下实例使用了 ~（取补运算符）来过滤 NaN。

实例

import numpy as np

a=np.array([np.nan,1,2,np.nan,3,4,5])

print(a[~np.isnan(a)])

 

----------------执行以上程序，返回的结果为---------------

[1. 2. 3. 4. 5.]

以下实例演示如何从数组中过滤掉非复数元素。

实例

import numpy as np

a=np.array([1,2+6j,3,5+7j])

print(a[np.iscomplex(a)])

 

----------------执行以上程序，返回的结果为---------------

[2.+6.j 5.+7.j]

花式索引

花式索引指的是利用整数数组进行索引。

花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；如果目标是二维数组，那么就是对应下标的行。

花式索引跟切片不一样，它总是将数据复制到新数组中。

1、传入顺序索引数组

import numpy as np

a=np.arange(32).reshape(8,4)

print('我们的数组是：')

print(a)

print('\n')

 

print(a[[4,2,1,7]])

 

----------------执行以上程序，返回的结果为---------------

我们的数组是：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]
 [24 25 26 27]
 [28 29 30 31]]

[[16 17 18 19]
 [ 8  9 10 11]
 [ 4  5  6  7]
 [28 29 30 31]]

2、传入倒序索引数组

import numpy as np

a=np.arange(32).reshape(8,4)

print('我们的数组是：')

print(a)

print('\n')

 

print(a[[-4,-2,-1,-7]])

 

----------------执行以上程序，返回的结果为---------------

我们的数组是：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]
 [24 25 26 27]
 [28 29 30 31]]

[[16 17 18 19]
 [24 25 26 27]
 [28 29 30 31]
 [ 4  5  6  7]]

3、传入多个索引数组（要使用np.ix_）

原理：np.ix_函数就是输入两个数组，产生笛卡尔积的映射关系

import numpy as np

a=np.arange(32).reshape(8,4)

print('我们的数组是：')

print(a)

print('\n')

 

print (a[np.ix_([1,5,7,2],[0,3,1,2])])

 

----------------执行以上程序，返回的结果为---------------

我们的数组是：
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]
 [24 25 26 27]
 [28 29 30 31]]

[[ 4  7  5  6]
 [20 23 21 22]
 [28 31 29 30]
 [ 8 11  9 10]]