numpy索引说明

官方文档，汉化之源
用到啥翻译啥，随缘更

numpy中可支持三种索引方式 field access, basic slicing, advanced indexing
我以我六级424的水平翻译以下就是：区域访问，基本操作，花里胡哨

Basic Slicing and Indexing

基本操作仅限于索引内容为 slice对象 单个整数 整数和slice的元组

slice对象就是长这样的(stat:stop:step)
例如: A[(::2)]
具体见下 懒得翻译了

但是注意slice索引方式得到的切片是原数据的一个视图

An array that does not own its data, but refers to another array’s data instead.
视图自身没有数据，但它指向其他数组的数据
所以当你修改所指向数组的数据的时候，视图的数据也会随之改变

以下是几种常用切片方式

• 基本的slice形式就是star:stop:step 取出的star与stop之间步长为step的等差序列
• Example
  >>> x = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
  >>> x[1:7:2]
  array([1, 3, 5])
• slice支持负数,表示从尾到首的倒序遍历
• Example
  >>> x[-3:3:-1]
  array([7, 6, 5, 4])
• star没有指定时，参考step的正负，为正star=0，为负star=n-1
  stop没有指定时，参考step正负，为正stop=n，为负stop=-n-1
  :和::意义相同，都表示选取当前轴所有元素
• Example
  >>> x[5:] array([5, 6, 7, 8, 9])
  

Advanced Indexing

这里有两种高级索引：整数 布尔

注意高级索引返回的是原数据的copy，不再是视图

Integer array indexing

整数数组的高级索引就是拿坐标做索引，然后这个整数数组就是哪个坐标
这个今天不用不翻了

Boolean array indexing

当索引为布尔数组时对应的骚操作。这类索引等效于x[obj.nonzero()]，就是把索引obj中所有不为0的元素位置挑出来构成一个索引

举个栗子

    A = np.array(np.random.rand(5))
    A[A > 0.5] = 1

A > 0.5会先返回一个布尔数组，根据这个布尔数组True的位置生成索引

befor: [ 0.98888704  0.03145936  0.51336152  0.45780306  0.84787507]
after: [ 1.          0.03145936  1.          0.45780306  1.        ]