NumPy高级索引

NumPy高级索引

　　可以通过将整数或切片对象指定为每个维度的索引来访问 NumPy 数组的内容。对数组的维度进行索引和切片称为基本索引。NumPy 还提供了一个复杂的“高级索引”系统，它为我们提供了访问数组元素的强大方法，除了指定整数和沿轴的切片之外，它还很灵活。

　　高级索引始终返回数据的副本。与此相反，切片仅呈现视图。在Numpy中，有两种类型的高级索引 – Integer和Boolean。本文晓得博客为你介绍NumPy高级索引。

　　推荐：如何在Python中创建表格

整数索引

　　有助于根据数组的 N 维索引选择数组中的任意项，每个整数数组表示该维度的索引数。当索引由与目标 ndarray 的维度一样多的整数数组组成时，它就变得简单了。

　　在以下示例中，从 ndarray 对象的每一行中选择指定列的一个元素。因此，行索引包含所有行号，列索引指定要选择的元素。

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：
[1 4 5]

　　选择包括来自第一个数组的 (0,0)、(1,1) 和 (2,0) 处的元素。在以下示例中，选择了放置在 4X3 数组角上的元素。选择的行索引是 [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('Our array is:' )
print(x)
print('\n')

rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]]) 
y = x[rows,cols] 

print('The corner elements of this array are:' )
print(y)

输出：
Our array is:
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]


The corner elements of this array are:
[[ 0  2]
 [ 9 11]]

　　结果选择是一个包含角元素的 ndarray 对象。高级索引和基本索引可以通过使用一个切片 (:) 或省略号 (…) 与索引数组进行组合，但是高级索引会导致复制，并且可能具有不同的内存布局。

　　推荐：NumPy索引和切片

布尔数组索引

　　当结果对象是布尔运算（例如比较运算符）的结果时，使用这种类型的高级索引在此示例中，大于 5 的项目将作为布尔索引的结果返回。

import numpy as np 
x = np.array([[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11]]) 

print('Our array is:') 
print(x)
print('\n')  

print('The items greater than 5 are:')
print(x[x > 5])

输出：
Our array is:
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]


The items greater than 5 are:
[ 6  7  8  9 10 11]

　　在此示例中，使用 ——（补码运算符）省略了 NaN（非数字）元素。

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

输出：
[1. 2. 3. 4. 5.]

　　以下示例显示如何从数组中过滤掉非复杂元素。

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

输出：
[2. +6.j 3.5+5.j]

　　推荐：Python中使用文件I/O操作

总结

　　以上是晓得博客为你介绍的NumPy高级索引的全部内容，希望对你的Python编程学习有所帮助，如有问题，欢迎留言探讨。

　　推荐：NumPy教程