上一节:
下一节:

  NumPy - 高级索引

  • 简述

    可以从作为非元组序列的 ndarray、整数或布尔数据类型的 ndarray 对象或具有至少一项为序列对象的元组中进行选择。高级索引始终返回数据的副本。与此相反，切片仅呈现视图。
    有两种类型的高级索引 -Integer和Boolean.

  • 整数索引

    这种机制有助于根据数组的 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。

    示例 1

    
import numpy as np 
x = np.array([[1, 2], [3, 4], [5, 6]]) 
y = x[[0,1,2], [0,1,0]] 
print y
    它的输出如下 - 
    
[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]。

    示例 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
    该程序的输出如下 - 
    
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。以下示例对行使用切片，对列使用高级索引。当 slice 用于两者时，结果是相同的。但是高级索引会导致复制，并且可能具有不同的内存布局。

    示例 3

    
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'  
# slicing 
z = x[1:4,1:3] 
print 'After slicing, our array becomes:' 
print z 
print '\n'  
# using advanced index for column 
y = x[1:4,[1,2]] 
print 'Slicing using advanced index for column:' 
print y
    该程序的输出如下 - 
    
Our array is:
[[ 0  1  2] 
 [ 3  4  5] 
 [ 6  7  8]
 [ 9 10 11]]
 
After slicing, our array becomes:
[[ 4  5]
 [ 7  8]
 [10 11]]
Slicing using advanced index for column:
[[ 4  5]
 [ 7  8]
 [10 11]]

  • 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。

    示例 1

    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'  
# Now we will print the items greater than 5 
print 'The items greater than 5 are:' 
print x[x > 5]
    该程序的输出将是 - 
    
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]

    示例 2

    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)]
    它的输出将是 - 
    
[ 1.   2.   3.   4.   5.]

    示例 3

    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)]
    在这里，输出如下 - 
    
[2.0+6.j  3.5+5.j]
上一节:
下一节: