Python——Numpy高级索引

Python——Numpy高级索引

Python——Numpy高级索引

• 整数数组索引
• ：或 ...与索引数组组合
• 布尔索引
• • 比较运算符
  • ~取补运算符号
  • np.iscomplex()过滤非复数元素
• 花式索引
• • 传入顺序、倒序索引数组
  • 使用 np.ix_()传入多个索引数组

https://editor.csdn.net/md/?articleId=121476530中列出了Numpy中对ndarray的切片索引运用。
除此之外还有：整数数组索引、布尔索引、花式索引

整数数组索引

个人觉得：主要用于取数组中离散位置的元素
获取数组中
（0,0）：第一个轴取：0索引，第二个轴取：0索引
（1,1）：第一个轴取：1索引，第二个轴取：1索引
（2,0）：第一个轴取：2索引，第二个轴取：0索引

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

x2 = np.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]])
print('原始数组是：n',x2)
print('数组x2的四个角的元素为：n',x2[[0,0,3,3],[0,2,0,2]])#(0,0)(0,2)(3,0)(3,2)

*** 作数组有几个轴，切片 [ ] 中就有几个列表，每个列表中的元素代表目标元素在响应轴的位置索引。
输出：

：或 …与索引数组组合

结合：https://editor.csdn.net/md/?articleId=121476530
的“总结”部分内容理解

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
print('第二行以后第二列以后的元素组成数组：n',a[1:3,1:3])
print('第二行以后第二列第三列的元素组成数组：n',a[1:3,[1,2]])
print('第二列以后的元素组成的数组：n',a[...,1:])

输出：

布尔索引

我们可以一个 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，取补运算符）来获取指定条件的元素的数组

比较运算符

import numpy as np
a = np.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]])
print('原始数组：n',a)
#用布尔索引打印出大于5的元素
print('大于5的元素数组：n',a[a > 5])

~取补运算符号

import numpy as np
a = np.array([np.nan,  1,2,np.nan,3,4,5])
print('去除非数值元素',a[~np.isnan(a)])

np.iscomplex()过滤非复数元素

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

花式索引

花式索引也是利用整数数组进行索引

索引数组的值 —(作为)—>目标数组的某个轴的下标

传入顺序、倒序索引数组

import numpy as np
x = np.arange(32).reshape(8,4)
print('原始数组：n',x)
print('取索第一轴下索引引为4，2,1,7,行的元素n',x[[4,2,1,7]])
#传入倒序索引
print('倒着取索第一轴下-4，-2,-1,-7,行的元素:n',x[[-4,-2,-1,-7]])

使用 np.ix_()传入多个索引数组

用了np.ix_()，以二维数组为例

np.ix_([d,c,b,a],[a,b,c,d])

第一个数组：取得行，以及行的输出位置顺序
第二个数组：取的列，以及列的输出位置顺序

第一个数组：

import numpy as np
x = np.arange(32).reshape((8, 4))
print('原始数组：n',x)
print('取第1,5,7,2行，按0,3,1,2,列的顺序输出数组：n',x[np.ix_([1, 5, 7, 2], [0, 3, 1, 2])])