一、整数索引
作用:要获取数组的单个元素,指定元素的索引即可
例子:
- x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print
(x[
2
])
# 3
- x = np.array([[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]])
print
(x[
2
])
# [21 22 23 24 25]
print
(x[
2
][
1
])
# 22
print
(x[
2
,
1
])
# 22
二、切片索引
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。
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。
三、dots索引
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,:]
四、整数数组索引
方括号内传入多个索引值,可以同时选择多个元素。
- 例子:
x = np.array([[ 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 ]])r = [ 0 , 1 , 2 ]print (x[r])# [[11 12 13 14 15]# [16 17 18 19 20]# [21 22 23 24 25]]
可以借助切片 : 与整数数组组合。
- 例子:
y = x[ 0 : 3 , [ 1 , 2 , 2 ]]print (y)# [[12 13 13]# [17 18 18]# [22 23 23]]
使用函数
numpy. take(a, indices, axis=None, out=None, mode='raise')
五、布尔索引
通过一个布尔数组来索引目标数组、
- 例子:
x = np.array([ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ])y = x > 5print (y)# [False False False False False True True True]