Numpy | 09 高级索引

时间:2021-08-10 06:49:38

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。

整数数组索引

实例1:获取数组中(0,0),(1,1)和(2,0)位置处的元素

import numpy as np

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

输出结果为:

[1  4  5]

实例2: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]。*****

import numpy as np

x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
print('我们的数组是:')
print(x)
print('\n') rows = np.array([[0, 0], [3, 3]])
cols = np.array([[0, 2], [0, 2]]) y = x[rows, cols]
print('这个数组的四个角元素是:')
print(y)

输出结果为:

我们的数组是:
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]] 这个数组的四个角元素是:
[[ 0 2]
[ 9 11]]

返回的结果是包含每个角元素的 ndarray 对象。

实例3:借助切片 : 或 … 与索引数组组合

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(a)
print('\n') print(b)
print('\n') print(c)
print('\n') print(d)
print('\n')

输出结果为:

[[1 2 3]
[4 5 6]
[7 8 9]]

[[5 6]
[8 9]]

[[5 6]
[8 9]]

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

布尔索引

我们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。

实例1:获取大于 5 的元素

import numpy as np

x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
print('我们的数组是:')
print(x)
print('\n') print('大于 5 的元素是:')
print(x[x > 5])

输出结果为:

我们的数组是:
[[ 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]

实例2:使用了 ~(取补运算符)来过滤 NaN

import numpy as np 

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

输出结果为:

[ 1.   2.   3.   4.   5.]

实例3:如何从数组中过滤掉非复数元素。

import numpy as np 

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

输出如下:

[2.0+6.j  3.5+5.j]
import numpy as np

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

输出如下:

[1.+0.j 5.+0.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。

  • 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。

1、传入顺序索引数组

import numpy as np

x = np.arange(32).reshape((8, 4))

print(x)
print('\n') print(x[[4, 2, 1, 7]])

输出结果为:

[[ 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]]

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

 

2、传入倒序索引数组

import numpy as np 

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

输出结果为:

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

3、传入多个索引数组(要使用np.ix_)【可以理解为先取行,再调列】

import numpy as np

x = np.arange(32).reshape((8, 4))
print(x)
print('\n') print(x[np.ix_([1, 5, 7, 2], [0, 3, 1, 2])])

输出结果为:

[[ 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]]

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