NumPy 比一般的 Python 序列提供更多的索引方式。除了用整数和切片的索引外,数组还能由整数数组索引、布尔索引及花式索引。
如果一个ndarray是非元组序列,数据类型为整数或布尔值的ndarray,或者至少一个元素为序列对象的元组,我们就能够用它来索引ndarray。
高级索引始终返回数据的副本。 相反,切片只提供了一个视图。有两种类型的高级索引:整数和布尔值。
整数数组索引
基于 N 维索引来获取数组中任意元素。 每个整数数组表示该维度的下标值。 当索引的元素个数就是目标ndarray的维度时,会变得相当直接。
以下示例获取了ndarray对象中每一行指定列的一个元素。 因此,行索引包含所有行号,列索引指定要选择的元素。
importnumpy asnp
x = np.array([[1, 2], [3, 7], [5, 6]])
#获取数组中(0,0),(1,1)和(2,0)位置处的元素y = x[[0, 1, 2], [0, 1, 0]]
print(y) # [1 7 5]
获取数组每个角处的元素
importnumpy asnp
x = np.array([[ 0, 1, 2],[3, 4, 5],[6, 7, 8],[9, 10, 12]])
print(x)
# [[ 0 1 2]# [ 3 4 5]# [ 6 7 8]# [ 9 10 12]]rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])
y = x[rows,cols]
print(y) #这个数组的每个角处的元素# [[ 0 2]# [ 9 12]]
高级和基本索引可以通过使用切片:或省略号...与索引数组组合。
以下示例使用slice作为列索引和高级索引。 当切片用于两者时,结果是相同的。 但高级索引会导致复制,并且可能有不同的内存布局。
importnumpy asnp
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = a[1:3, 1:3]
c = a[1:3, [1, 2]]
d = a[..., 1:]
print(b)
# [[5 6]# [8 9]]print(c)
# [[5 6]# [8 9]]print(d)
# [[2 3]# [5 6]# [8 9]]
布尔索引
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。
importnumpy asnp
x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 12]])
print(x)
# [[ 0 1 2]# [ 3 4 5]# [ 6 7 8]# [ 9 10 12]]#打印出大于5的元素print(x[x > 5]) # [ 6 7 8 9 10 12]
使用 ~(取补运算符)来过滤 NaN或从数组中过滤掉非复数元素
importnumpy asnp
a = np.array([np.nan, 1, 2, np.nan, 3, 4, 5])
print(a[~np.isnan(a)]) # [1. 2. 3. 4. 5.]a = np.array([1, 2+6j, 5, 3.5+5j])
print(a[np.iscomplex(a)]) # [2. +6.j 3.5+5.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。
importnumpy asnp
x = np.arange(54).reshape((9, 6))
print(x)
# [[ 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 32 33 34 35]# [36 37 38 39 40 41]# [42 43 44 45 46 47]# [48 49 50 51 52 53]]print(x[[4, 2, 1, 7]]) #传入顺序索引数组# [[24 25 26 27 28 29]# [12 13 14 15 16 17]# [ 6 7 8 9 10 11]# [42 43 44 45 46 47]]print(x[[-4,-2,-1,-7]]) #传入倒序索引数组# [[30 31 32 33 34 35]# [42 43 44 45 46 47]# [48 49 50 51 52 53]# [12 13 14 15 16 17]]print(x[np.ix_([1,5,7,2],[0,3,1,2])]) #传入多个索引数组(要使用np.ix_)# [[ 6 9 7 8]# [30 33 31 32]# [42 45 43 44]# [12 15 13 14]]