numpy索引与切片

一、整数索引

作用：要获取数组的单个元素，指定元素的索引即可

例子：

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])        print (x[ 2 ]) # 3 x = np.array([[11, 12, 13, 14, 15], [16, 17, 18, 19, 20], [21, 22, 23, 24, 25], [26, 27, 28, 29, 30], [31, 32, 33, 34, 35]])        print (x[ 2 ]) # [21 22 23 24 25]        print (x[ 2 ][ 1 ]) # 22        print (x[ 2 , 1 ]) # 22

二、切片索引

切片操作是指抽取数组的一部分元素生成新数组。对 python 列表 进行切片操作得到的数组是原数组的 副本 ，而对 Numpy 数据进行切片操作得到的数组则是指向相同缓冲区的视图。 通过对每个以逗号分隔的维度执行单独的切片，你可以对多维数组进行切片。因此，对于二维数组，我们的第一片定义了行的切片，第二片定义了列的切片。

三、dots索引

NumPy 允许使用 ... 表示足够多的冒号来构建完整的索引列表。 比如，如果 x 是 5 维数组： 1. x[1,2,...] 等于 x[1,2,:,:,:] 2. x[...,3] 等于 x[:,:,:,:,3] 3. x[4,...,5,:] 等于 x[4,:,:,5,:]

四、整数数组索引

方括号内传入多个索引值，可以同时选择多个元素。 例子： x = np.array([[ 11 , 12 , 13 , 14 , 15 ],                      [ 16 , 17 , 18 , 19 , 20 ],                      [ 21 , 22 , 23 , 24 , 25 ],                      [ 26 , 27 , 28 , 29 , 30 ],                      [ 31 , 32 , 33 , 34 , 35 ]]) r = [ 0 , 1 , 2 ] print (x[r]) # [[11 12 13 14 15] # [16 17 18 19 20] # [21 22 23 24 25]] 可以借助切片 : 与整数数组组合。 例子： y = x[ 0 : 3 , [ 1 , 2 , 2 ]] print (y) # [[12 13 13] # [17 18 18] # [22 23 23]] 使用函数 numpy. take(a, indices, axis=None, out=None, mode='raise')

五、布尔索引

通过一个布尔数组来索引目标数组、 例子： x = np.array([ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ]) y = x > 5 print (y) # [False False False False False True True True]