NumPy 教程第 8 章： 高级索引

整数数组索引

NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引

实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素

In [1]: import numpy as np

In [2]: num = np.array([[1,2],[3,4],[5,6]])

In [3]: num[[0,1,[0,0]]
Out[3]: array([1,4,5])

实例获取了 4X3 数组中的四个角的元素。 行索引是 [0,0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]。实际获取数组中(0,0)、(0,2)、(3,0)和(3,2)位置处的元素

先输出行，后输出列，元素对应的都是行和列每个下标的对应

In [1]: import numpy as np

In [2]: num = np.array([[0,5],[6,7,8],[9,10,11]])

In [3]: num
Out[3]:
array([[ 0,[ 3,[ 6,[ 9,11]])

In [4]: rows = np.array([[0,0],3]])

In [5]: cols = np.array([[0,2]])

In [6]: num[rows,cols]
Out[6]:
array([[ 0,11]])

借助切片 : 或 … 与索引数组组合

获取第一行及之后所有的元素，然后在此基础上获取第一列及之后的所有元素

In [1]: import numpy as np

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

In [3]: num
Out[3]:
array([[1,9]])

In [4]: num[1:3,1:3]
Out[4]:
array([[5,[8,9]])

In [5]: num[1:3,[1,2]]
Out[5]:
array([[5,9]])

In [6]: num[...,1:]
Out[6]:
array([[2,9]])

布尔索引

可以通过一个布尔数组来索引目标数组。布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组,例如获取大于 5 的元素

In [1]: import numpy as np

In [2]: num = np.array([[0,11]])

In [4]: num[num > 5]
Out[4]: array([ 6,9,11])

使用了 ~（取补运算符）来过滤 NaN

In [1]: import numpy as np

In [2]: num = np.array([np.nan,np.nan,3,5])

In [3]: num
Out[3]: array([nan,1.,2.,nan,3.,4.,5.])

In [4]: num[~np.isnan(num)]
Out[4]: array([1.,5.])

从数组中过滤掉非复数元素

In [1]: import numpy as np

In [2]: num = np.array([1,2+6j,3.5+5j])

In [3]: num
Out[3]: array([1. +0.j,2. +6.j,5. +0.j,3.5+5.j])

In [4]: num[np.iscomplex(num)]
Out[4]: array([2. +6.j,3.5+5.j])

花式索引

花式索引指的是利用整数数组进行索引。花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。

对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素，如果目标是二维数组，那么就是对应下标的行。

花式索引跟切片不一样，它总是将数据复制到新数组中

传入顺序索引数组

	In [1]: import numpy as np

	In [2]: num = np.arange(32).reshape((8,4))

	In [3]: num
	Out[3]:
	array([[ 0,[ 4,6,7],[ 8,11],[12,13,14,15],[16,17,18,19],[20,21,22,23],[24,25,26,27],[28,29,30,31]])


	In [4]: num [[4,7]]
	Out[4]:
	array([[16,31]])

传入倒序索引数组

In [5]: num[[-4,-2,-1,-7]]
Out[5]:
array([[16,31],7]])

传入多个索引数组（要使用np.ix_）

np.ix_() 第一个参数代表行，第二个参数代表列

In [6]: num[np.ix_([1,2])]
Out[6]:
array([[ 4,23,22],31,30],11,10]])

原文地址：https://blog.csdn.net/yilovexing