NumPy 教程（第 8 章）： 高级索引

整数数组索引

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

实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素

In [1]: import numpy as np

In [2]: num = np.array([[1,  2],  [3,  4],  [5,  6]])

In [3]: num[[0,1,2],  [0,1,0]]
Out[3]: array([1, 4, 5])

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]。实际获取数组中(0,0)、(0,2)、(3,0)和(3,2)位置处的元素

先输出行，后输出列，元素对应的都是行和列每个下标的对应

In [1]: import numpy as np

In [2]: num = np.array([[0, 1, 2],[3, 4, 5],[6, 7, 8],[9, 10, 11]])

In [3]: num
Out[3]:
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

In [4]: rows = np.array([[0,0],[3,3]])

In [5]: cols = np.array([[0,2],[0,2]])

In [6]: num[rows, cols]
Out[6]:
array([[ 0,  2],
       [ 9, 11]])

借助切片 : 或 … 与索引数组组合

获取第一行及之后所有的元素，然后在此基础上获取第一列及之后的所有元素

In [1]: import numpy as np

In [2]: num = np.array([[1,2,3], [4,5,6],[7,8,9]])

In [3]: num
Out[3]:
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

In [4]: num[1:3, 1:3]
Out[4]:
array([[5, 6],
       [8, 9]])

In [5]: num[1:3, [1,2]]
Out[5]:
array([[5, 6],
       [8, 9]])

In [6]: num[..., 1:]
Out[6]:
array([[2, 3],
       [5, 6],
       [8, 9]])

布尔索引

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,例如获取大于 5 的元素

In [1]: import numpy as np

In [2]: num = np.array([[0, 1, 2],[3, 4, 5],[6, 7, 8],[9, 10, 11]])

In [3]: num
Out[3]:
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])

In [4]: num[num > 5]
Out[4]: array([ 6,  7,  8,  9, 10, 11])

使用了 ~（取补运算符）来过滤 NaN

In [1]: import numpy as np

In [2]: num = np.array([np.nan, 1, 2, np.nan, 3, 4, 5])

In [3]: num
Out[3]: array([nan,  1.,  2., nan,  3.,  4.,  5.])

In [4]: num[~np.isnan(num)]
Out[4]: array([1., 2., 3., 4., 5.])

从数组中过滤掉非复数元素

In [1]: import numpy as np

In [2]: num = np.array([1, 2+6j, 5, 3.5+5j])

In [3]: num
Out[3]: array([1. +0.j, 2. +6.j, 5. +0.j, 3.5+5.j])

In [4]: num[np.iscomplex(num)]
Out[4]: array([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

传入顺序索引数组

	In [1]: import numpy as np

	In [2]: num = np.arange(32).reshape((8, 4))

	In [3]: num
	Out[3]:
	array([[ 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]])


	In [4]: num [[4,2,1,7]]
	Out[4]:
	array([[16, 17, 18, 19],
	       [ 8,  9, 10, 11],
	       [ 4,  5,  6,  7],
	       [28, 29, 30, 31]])

传入倒序索引数组

In [5]: num[[-4,-2,-1,-7]]
Out[5]:
array([[16, 17, 18, 19],
       [24, 25, 26, 27],
       [28, 29, 30, 31],
       [ 4,  5,  6,  7]])

传入多个索引数组（要使用np.ix_）

np.ix_() 第一个参数代表行，第二个参数代表列

In [6]: num[np.ix_([1,5,7,2],[0,3,1,2])]
Out[6]:
array([[ 4,  7,  5,  6],
       [20, 23, 21, 22],
       [28, 31, 29, 30],
       [ 8, 11,  9, 10]])