NumPy 教程目录
NumPy 高级索引
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。
1 整数数组索引
Example：以下实例获取数组中 (0,0)，(1,1) 和 (2,0) 位置处的元素。
x = np.array([[1,2],[3,4],[5,6]])
y = x[[0,1,2],[0,1,0]]
print(y)
#输出结果
[1 4 5]
Example：以下实例获取了 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]。
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print ('我们的数组是：' )
print(x)
rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])
y = x[rows,cols]
print ('这个数组的四个角元素是：')
print(y)
#输出结果
我们的数组是：
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
这个数组的四个角元素是：
[[ 0 2]
[ 9 11]]
Example：
rows = np.array([0,0,3,3])
cols = np.array([0,2,0,2])
y = x[rows,cols]
print ('这个数组的四个角元素是：')
print(y)
#输出结果
这个数组的四个角元素是：
[ 0 2 9 11]
返回的结果是包含每个角元素的 ndarray 对象。
可以借助切片 : 或 … 与索引数组组合。如下面例子：
Examples:
a = np.array([[1,2,3], [4,5,6],[7,8,9]])
print("array is ")
print(a)
#输出结果
array is
[[1 2 3]
[4 5 6]
[7 8 9]]
print(a[1:3,1:3])
#输出结果
[[5 6]
[8 9]]
print(a[1:3,[1,2]])
#输出结果
[[5 6]
[8 9]]
print(a[1:3,1])
#输出结果
[5 8]
print(a[...,1:])
#输出结果
[[2 3]
[5 6]
[8 9]]
2 布尔索引
我们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。
Examples: 以下实例获取大于 5 的元素：
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print ('我们的数组是：')
print (x)
#输出结果
我们的数组是：
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
# 现在我们会打印出大于 5 的元素
print ('大于 5 的元素是：')
print (x[x > 5])
#输出结果
大于 5 的元素是：
[ 6 7 8 9 10 11]
print(x[True])
#输出结果
[[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]]
print(x[False])
#输出结果
[]
Exampless: 以下实例使用了 ~（取补运算符）来过滤 NaN。
a = np.array([np.nan, 1,2,np.nan,3,4,5])
print(a[np.isnan(a)])
print (a[~np.isnan(a)])
#输出结果
[nan nan]
[1. 2. 3. 4. 5.]
Examples: 以下实例演示如何从数组中过滤掉非复数元素。
a = np.array([1, 2+6j, 5, 3.5+5j])
print (a[np.iscomplex(a)])
#输出结果
[2. +6.j 3.5+5.j]
3 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下标的行，如果目标是二维数组，那么就是对应位置的元素。
花式索引跟切片不一样，它总是将数据复制到新数组中。
3.1 传入顺序索引数组
Example:
x=np.arange(32).reshape((8,4))
print (x[[4,2,1,7]])
#输出结果
[[16 17 18 19]
[ 8 9 10 11]
[ 4 5 6 7]
[28 29 30 31]]
3.2 传入倒序索引数组
Example:
x=np.arange(32).reshape((8,4))
print (x[[-4,-2,-1,-7]])
#输出结果
[[16 17 18 19]
[24 25 26 27]
[28 29 30 31]
[ 4 5 6 7]]
3.3 传入多个索引数组
Example:
x=np.arange(32).reshape((8,4)) print (x[np.ix_([1,5,7,2],[0,3,1,2])]) #输出结果 [[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]]