numpy中的索引技巧详解

>>> import numpy
>>> a = numpy.arange(6)
>>> a
array([0, 1, 2, 3, 4, 5])
# 一维数组用法和python的列表对象一致
# 支持从0开始的正整数下标
# 也支持从-1开始的负整数下标
>>> a[2]
2
>>> a[-2]
4
# 二维数组，提供两个下标
>>> a = numpy.arange(9).reshape(3, -1)
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
# 支持两种写法
# 两个中括号，第一个为行的下标，第二个为列的下标
# 一个中括号，两个下标用逗号分隔

>>> a[0][1]
1
>>> a[0, 1]
1
>>> a[0][-1]
2
>>> a[0, -1]
2

>>> a = numpy.arange(6)
>>> a
array([0, 1, 2, 3, 4, 5])
# 一维数组用法和python的列表对象一致
>>> a[1:5]
array([1, 2, 3, 4])
>>> a[1:5:2]
array([1, 3])
>>> a[::2]
array([0, 2, 4])
# 整个数组
>>> a[::-1]
array([5, 4, 3, 2, 1, 0])
# 二维数组
>>> a = numpy.arange(9).reshape(3, -1)
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> a[1:3,1:2]
array([[4],
       [7]])
# 一个冒号的简写表示提取全部的下标
# 一个省略号的简写表示提取全部的下标
# 提取第二行
>>> a[1, :]
array([3, 4, 5])
>>> a[1, ...]
array([3, 4, 5])
# 提取第二列
>>> a[:, 1]
array([1, 4, 7])

>>> a = numpy.arange(9).reshape(3, -1)
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> a[1:3]
array([[3, 4, 5],
       [6, 7, 8]])

>>> a = numpy.arange(6)
>>> a
array([0, 1, 2, 3, 4, 5])
>>> a[[1, 2, 5]]
array([1, 2, 5])
# 返回值总是和索引数组的维度相同
>>> a[numpy.array([(0, 1, 3),(1, 4, 5)])]
array([[0, 1, 3],
       [1, 4, 5]])
>>> a = numpy.arange(9).reshape(3, -1)
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
# 根据索引数组中的下标提取对应的行
>>> a[[1, 0]]
array([[3, 4, 5],
       [0, 1, 2]])
# 一轴为索引数组，另一轴为下标索引
>>> a[[0,2],1]
array([1, 7])
# 两个轴同时为索引数组，需要使用ix_函数
# 第一个数组中的元素为行对应的下标
# 第一个数组中的元素为列对应的下标
>>> a[numpy.ix_([0,1], [0,1])]
array([[0, 1],
       [3, 4]])

>>> a = numpy.arange(6)
>>> a
array([0, 1, 2, 3, 4, 5])
# 一维数组
>>> a > 3
array([False, False, False, False,  True,  True], dtype=bool)
>>> a[a > 3]
array([4, 5])
>>> a = numpy.arange(9).reshape(3, -1)
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
# 二维数组
>>> a > 3
array([[False, False, False],
       [False,  True,  True],
       [ True,  True,  True]], dtype=bool)
>>> a[a > 3]
array([4, 5, 6, 7, 8])