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]]

相关文章