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]])