深入了解NumPy 高级索引
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。
整数数组索引
以下实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素。
importnumpyasnp 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]
以下实例获取了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]。
importnumpyasnp
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]
[91011]]
这个数组的四个角元素是：
[[0 2]
[911]]
返回的结果是包含每个角元素的ndarray对象。
可以借助切片:或…与索引数组组合。如下面例子：
importnumpyasnp 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)
输出结果为：
[[56]
[89]]
[[56]
[89]]
[[23]
[56]
[89]]
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。
以下实例获取大于5的元素：
importnumpyasnp
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')
#现在我们会打印出大于5的元素
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]
[91011]]
大于5的元素是：
[6 7 8 91011]
以下实例使用了~（取补运算符）来过滤NaN。
importnumpyasnp 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.]
以下实例演示如何从数组中过滤掉非复数元素。
importnumpyasnp 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]
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。
1、传入顺序索引数组
importnumpyasnp x=np.arange(32).reshape((8,4)) print(x[[4,2,1,7]])
输出结果为：
[[16171819]
[8 91011]
[4 5 6 7]
[28293031]]
2、传入倒序索引数组
importnumpyasnp x=np.arange(32).reshape((8,4)) print(x[[-4,-2,-1,-7]])
输出结果为：
[[16171819]
[24252627]
[28293031]
[4 5 6 7]]
3、传入多个索引数组（要使用np.ix_）
importnumpyasnp x=np.arange(32).reshape((8,4)) print(x[np.ix_([1,5,7,2],[0,3,1,2])])
输出结果为：
[[4 7 5 6]
[20232122]
[28312930]
[811 910]]
以上就是深入了解NumPy高级索引的详细内容，更多关于NumPy高级索引的资料请关注毛票票其它相关文章！