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數(shù)和切片的索引外，數(shù)組可以由整數(shù)數(shù)組索引、布爾索引及花式索引。

整數(shù)數(shù)組索引

以下實(shí)例獲取數(shù)組中(0,0)，(1,1)和(2,0)位置處的元素。

import numpy as np 
 
x = np.array([[1, 2], [3, 4], [5, 6]]) 
y = x[[0,1,2], [0,1,0]] 
print (y)

輸出結(jié)果為：

[1  4  5]

以下實(shí)例獲取了 4X3 數(shù)組中的四個(gè)角的元素。 行索引是 [0,0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]。

import numpy as np 
 
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]]) 
print ('我們的數(shù)組是：' )
print (x)
print ('\n')
rows = np.array([[0,0],[3,3]]) 
cols = np.array([[0,2],[0,2]]) 
y = x[rows,cols] 
print ('這個(gè)數(shù)組的四個(gè)角元素是：')
print (y)

輸出結(jié)果為：

我們的數(shù)組是：
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

這個(gè)數(shù)組的四個(gè)角元素是：
[[ 0  2]
 [ 9 11]]

返回的結(jié)果是包含每個(gè)角元素的 ndarray 對(duì)象。

可以借助切片 : 或 … 與索引數(shù)組組合。如下面例子：

import numpy as np
 
a = np.array([[1,2,3], [4,5,6],[7,8,9]])
b = a[1:3, 1:3]
c = a[1:3,[1,2]]
d = a[...,1:]
print(b)
print(c)
print(d)

輸出結(jié)果為：

[[5 6]
 [8 9]]
[[5 6]
 [8 9]]
[[2 3]
 [5 6]
 [8 9]]

布爾索引

我們可以通過(guò)一個(gè)布爾數(shù)組來(lái)索引目標(biāo)數(shù)組。

布爾索引通過(guò)布爾運(yùn)算（如：比較運(yùn)算符）來(lái)獲取符合指定條件的元素的數(shù)組。

以下實(shí)例獲取大于 5 的元素：

import numpy as np 
 
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]]) 
print ('我們的數(shù)組是：')
print (x)
print ('\n')
# 現(xiàn)在我們會(huì)打印出大于 5 的元素 
print ('大于 5 的元素是：')
print (x[x > 5])

輸出結(jié)果為：

我們的數(shù)組是：
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

大于 5 的元素是：
[ 6  7  8  9 10 11]

以下實(shí)例使用了 ~（取補(bǔ)運(yùn)算符）來(lái)過(guò)濾 NaN。

import numpy as np 
 
a = np.array([np.nan, 1,2,np.nan,3,4,5]) 
print (a[~np.isnan(a)])

輸出結(jié)果為：

[ 1.   2.   3.   4.   5.]

以下實(shí)例演示如何從數(shù)組中過(guò)濾掉非復(fù)數(shù)元素。

import numpy as np 
 
a = np.array([1, 2+6j, 5, 3.5+5j]) 
print (a[np.iscomplex(a)])

輸出如下：

[2.0+6.j  3.5+5.j]

花式索引

花式索引指的是利用整數(shù)數(shù)組進(jìn)行索引。

花式索引根據(jù)索引數(shù)組的值作為目標(biāo)數(shù)組的某個(gè)軸的下標(biāo)來(lái)取值。對(duì)于使用一維整型數(shù)組作為索引，如果目標(biāo)是一維數(shù)組，那么索引的結(jié)果就是對(duì)應(yīng)位置的元素；如果目標(biāo)是二維數(shù)組，那么就是對(duì)應(yīng)下標(biāo)的行。

花式索引跟切片不一樣，它總是將數(shù)據(jù)復(fù)制到新數(shù)組中。

1、傳入順序索引數(shù)組

import numpy as np 
 
x=np.arange(32).reshape((8,4))
print (x[[4,2,1,7]])

輸出結(jié)果為：

[[16 17 18 19]
 [ 8  9 10 11]
 [ 4  5  6  7]
 [28 29 30 31]]

2、傳入倒序索引數(shù)組

import numpy as np 
 
x=np.arange(32).reshape((8,4))
print (x[[-4,-2,-1,-7]])

輸出結(jié)果為：

[[16 17 18 19]
 [24 25 26 27]
 [28 29 30 31]
 [ 4  5  6  7]]

3、傳入多個(gè)索引數(shù)組（要使用np.ix_）

import numpy as np 
 
x=np.arange(32).reshape((8,4))
print (x[np.ix_([1,5,7,2],[0,3,1,2])])

輸出結(jié)果為：

[[ 4  7  5  6]
 [20 23 21 22]
 [28 31 29 30]
 [ 8 11  9 10]]

以上就是深入了解NumPy 高級(jí)索引的詳細(xì)內(nèi)容，更多關(guān)于NumPy 高級(jí)索引的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論