Numpy整数数组索引

使用切片索引到Numpy数组时，生成的数组视图始终是原始数组的子数组；而整数数组索引可以使用另一个数组中的数据构造任意数组。

import numpy as np

# 创建一个数组
a = np.array([[1,2], [3, 4], [5, 6]])

# 下面这行代码将返回一个形状为(3, )的数组[1 4 5]
print(a[[0, 1, 2], [0, 1, 0]])
"""当给定一个2D数组时，Numpy索引的工作原理如下：输入一个行索引列表，然后输入一个列索引列表。
从语义上讲，第一个索引检索语句是“from row 0 retrieve element 0，from row 1 retrieve element 1，
and from row 2 retrieve element 0”"""

# 上面的整数数组索引示例等同于此：
print(np.array([a[0, 0], a[1, 1], a[2, 0]]))

# 当使用整数数组索引时就可以使用原数组中的同一个元素
print(a[[0, 0], [1, 1]])

# 等效于前面的整数数组索引示例
print(np.array([a[0, 1], a[0, 1]]))

整数数组索引的一个非常好用的技巧是从矩阵中选择或改变元素：

import numpy as np

# 创建一个新数组，用于从中选择元素
a = np.array([[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]])

print(a)  # prints "array([[ 1,  2,  3],
          #                [ 4,  5,  6],
          #                [ 7,  8,  9],
          #                [10, 11, 12]])"

# 创建索引数组
b = np.array([0, 2, 0, 1])

# 使用b中的索引从a的每一行中选择一个元素
print(a[np.arange(4), b])  # Prints "[ 1  6  7 11]"

# 使用b中的索引来改变矩阵中的元素
a[np.arange(4), b] += 10

print(a)  # prints "array([[11,  2,  3],
          #                [ 4,  5, 16],
          #                [17,  8,  9],
          #                [10, 21, 12]])