Numpy 类似MATLAB的数组索引

在本文中，我们将介绍Numpy中类似MATLAB的数组索引。Numpy是一个用于数值计算的Python库，它提供了许多便捷的数据结构和函数。其中，数组是Numpy的核心数据结构之一，在许多数学和科学计算中被广泛使用。类似MATLAB的数组索引让我们可以轻松地处理Numpy数组。

阅读更多：Numpy 教程

单元素索引

与Python中的列表不同，Numpy数组可以具有多个维度。因此，我们需要使用一种特殊的语法来索引Numpy数组。最简单的形式是单元素索引，可以像下面这样对Numpy数组的元素进行访问：

import numpy as np

# 一维数组的单元素索引
a = np.array([1, 2, 3])
print(a[0])

# 二维数组的单元素索引
b = np.array([[1, 2], [3, 4]])
print(b[0, 0])

输出：

1
1

切片索引

让我们来看看如何使用切片索引来获取Numpy数组的子集。与Python中的列表一样，可以使用冒号（:）来指定切片。切片可以在每个维度上指定，并用逗号分隔。

import numpy as np

# 一维数组的切片索引
a = np.array([1, 2, 3, 4, 5])
print(a[1:4])

# 二维数组的切片索引
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(b[0:2,1])

输出：

[2 3 4]
[2 5]

在上面的例子中，我们访问了一维数组a的第二到第四个元素（不包括第四个元素）和二维数组b的第一和第二行的第二个元素。

布尔索引

布尔索引是Python中一种灵活且强大的索引方式。它允许我们使用条件来选择Numpy数组中的元素。在Numpy中，与条件匹配的元素将返回True，否则返回False。运用这种方法，就可以从Numpy数组中选择出满足条件的子集。

import numpy as np

a = np.array([1, 2, 3, 4, 5])
print(a[a>3])

b = np.array([[1, 2], [3, 4], [5, 6]])
print(b[b>3])

输出：

[4 5]
[4 5 6]

在上面的例子中，我们使用了“a>3”和“b>3”作为布尔条件，来选择数组a中大于3的元素和数组b中大于3的所有元素。

整数数组索引

整数数组索引允许我们使用整数数组来索引Numpy数组的元素。在这种情况下，我们提供一个索引数组，其中的每个元素表示要选择的相应维度中的索引值。

import numpy as np

a = np.array([1, 2, 3, 4, 5])
print(a[[0, 3, 4]])

b = np.array([[1, 2], [3, 4], [5, 6]])
print(b[[0, 2], [1, 0]])

输出：

[1 4 5]
[2 5]

在上面的例子中，我们使用了索引数组[0, 3, 4]和[0, 2]来选择数组a和b中的元素。

选择和修改元素

除了访问数组元素，我们还可以选择和修改它们。在这种情况下，Numpy的切片和数组索引可以更轻松地完成任务。

import numpy as np

a = np.array([1, 2, 3, 4, 5])
a[1:4] = 0
print(a)

b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b[1, 1] = 0
print(b)

c = np.array([1, 2, 3, 4, 5])
c[[1, 2, 3]] = 0
print(c)

d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
d[[0, 2], [1, 2]] = 0
print(d)

输出：

[1 0 0 0 5]
[[1 2 3]
 [4 0 6]
 [7 8 9]]
[1 0 0 0 5]
[[1 0 3]
 [4 5 0]
 [7 8 0]]

在上面的例子中，我们分别修改了一维和二维数组的子集。要注意的是，在修改子集时，必须分配新值，否则原始数组将被更改。

整数数组索引与切片组合

还可以将整数数组索引与切片索引组合以选择和修改Numpy数组中的元素。

import numpy as np

a = np.array([1, 2, 3, 4, 5])
a[1:4] = np.array([0, 0, 0])
print(a)

b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b[1:, [1, 2]] = np.array([[0, 0], [0, 0]])
print(b)

输出：