05NumPy学习——数组的切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。
ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。

import numpy as np
 
a = np.arange(10)
# 从索引 2 开始到索引 7 停止，间隔为2
b = slice(2,7,2)   
print (a[b])

输出结果：
[2 4 6]

以上实例中，我们首先通过 arange() 函数创建 ndarray 对象。 然后，分别设置起始，终止和步长的参数为 2，7 和 2。

我们也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作：

import numpy as np
 
a = np.arange(10)  
# 从索引 2 开始到索引 7 停止，间隔为 2
b = a[2:7:2]   
print(b)

输出结果：
[2 4 6]

冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。

import numpy as np

# [0 1 2 3 4 5 6 7 8 9]
a = np.arange(10)  

x = a[2] 
y = a[2:7]
z = a[2:]
q = a[:3]
w = a[::-1]

print(x)
print('\n')
print(y)
print('\n')
print(z)
print('\n')
print(q)
print('\n')
print(w)

输出结果：
2

[2 3 4 5 6]

[2 3 4 5 6 7 8 9]

[0 1 2]

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

多维数组同样适用上述索引提取方法：

import numpy as np
 
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a)
# 从某个索引处开始切割
print('从数组索引 a[1:] 处开始切割')
print(a[1:])

输出结果：
[ [1 2 3]
  [4 5 6]
  [7 8 9] ]
从数组索引 a[1:] 处开始切割
[ [4 5 6]
  [7 8 9] ]

切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。

import numpy as np
 
a = np.array([[1,2,3],[4,5,6],[7,8,9]]) 
# 第2列元素
print (a[...,1]) 
# 第2行元素  
print (a[1,...])  
# 第2列及剩下的所有元素 
print (a[...,1:])  

输出结果：
[2 5 8]
[4 5 6]
[ [2 3]
  [5 6]
  [8 9] ]

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

下面实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素。

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

输出结果：
[1 4 5]

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 
 
x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
print ('我们的数组是：' )
print (x)
print ('\n')
rows = np.array([[0,0],[3,3]]) 
cols = np.array([[0,2],[0,2]]) 
y = x[rows,cols]  
print  ('这个数组的四个角元素是：')
print (y)

输出结果:
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]])
b = a[1:3, 1:3]
c = a[1:3, [1,2]]
d = a[...,1:]
print(b)
print('\n')
print(c)
print('\n')
print(d)

输出结果：
[ [5 6]
  [8 9] ]

[ [5 6]
  [8 9] ]

[ [2 3]
  [5 6]
  [8 9] ]

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：

import numpy as np 
 
x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])  
print ('我们的数组是：')
print (x)
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 (x[x >  5])

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

大于 5 的元素是：
[ 6 7 8 9 10 11]

下面实例使用了 ~（取补运算符）来过滤 NaN：

import numpy as np 
 
a = np.array([np.nan,  1,2,np.nan,3,4,5])  
print (a[~np.isnan(a)])

输出结果：
[1. 2. 3. 4. 5.]

下面实例演示如何从数组中过滤掉非复数元素：

import numpy as np 
 
a = np.array([1,  2+6j,  5,  3.5+5j])  
print (a[np.iscomplex(a)])

输出结果：
[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。

1. 传入顺序索引数组

import numpy as np 
 
x=np.arange(32).reshape((8,4))
print('原数组是：')
print(x)
print('\n')
print (x[[4, 2, 1, 7]])

输出结果：
原数组是：
[ [ 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 
 
x=np.arange(32).reshape((8, 4))
print('原数组是：')
print(x)
print('\n')
print (x[[-4, -2, -1, -7]])

输出结果：
原数组是：
[ [ 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_）

import numpy as np 
 
x=np.arange(32).reshape((8, 4))
print('原数组是：')
print(x)
print('\n')
print (x[np.ix_([1, 5, 7, 2], [0, 3, 1, 2])])

输出结果：
原数组是：
[ [ 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] ]