numpy indices索引|极客教程

numpy indices索引

Numpy是Python中用于数值计算的一个重要库，提供了丰富的数组操作和计算功能。在使用Numpy进行数组操作时，经常需要对数组进行索引和切片操作。本文将详细介绍Numpy中的索引操作，包括基本索引、切片索引、布尔索引、花式索引等。

基本索引

Numpy数组的基本索引就是通过指定元素在数组中的位置来访问元素。对于一维数组，可以像列表一样通过下标访问元素；对于多维数组，需要指定每个维度上的索引值。

import numpy as np

# 一维数组索引
arr1d = np.array([1, 2, 3, 4, 5])
print(arr1d[0])  # 1
print(arr1d[3])  # 4

# 二维数组索引
arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr2d[0, 0])  # 1
print(arr2d[1, 2])  # 6

切片索引

除了通过单个索引来访问元素外，Numpy还支持通过切片来访问数组的一部分。切片操作类似于python中对列表的切片操作，可以指定起始位置、结束位置和步长。

import numpy as np

arr1d = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 一维数组切片
print(arr1d[1:5])  # [2 3 4 5]
print(arr1d[::2])  # [1 3 5 7 9]

arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 二维数组切片
print(arr2d[:2, 1:])  # [[2 3] [5 6]]

布尔索引

布尔索引允许我们根据指定条件来获取数组中的元素。条件通常是一个返回布尔值的表达式，根据表达式的真假来选择是否获取对应位置的元素。

import numpy as np

arr1d = np.array([1, 2, 3, 4, 5])

# 布尔索引
mask = arr1d > 2
print(arr1d[mask])  # [3 4 5]

arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 多维数组布尔索引
mask = arr2d % 2 == 0
print(arr2d[mask])  # [2 4 6 8]

花式索引

花式索引是指通过指定索引数组的方式来获取数组元素。可以用一个索引数组来获取一维数组中的元素，也可以用两个索引数组来获取二维数组中的元素。

import numpy as np

arr1d = np.array([1, 2, 3, 4, 5])

# 一维花式索引
indices = np.array([0, 2, 4])
print(arr1d[indices])  # [1 3 5]

arr2d = np.array([[1, 2], [3, 4], [5, 6]])

# 二维花式索引
row_indices = np.array([0, 1, 2])
col_indices = np.array([0, 1, 0])
print(arr2d[row_indices, col_indices])  # [1 4 5]