📅  最后修改于: 2020-11-08 07:35:57             🧑  作者: Mango
可以从作为非元组序列的ndarray,整数或布尔数据类型的ndarray对象或具有至少一项作为序列对象的元组中进行选择。高级索引总是返回数据的副本。与此相反,切片仅呈现视图。
高级索引有两种类型-Integer和Boolean 。
这种机制有助于根据数组的N维索引选择数组中的任意项。每个整数数组代表该维度的索引数。当索引由与目标ndarray的维数一样多的整数数组组成时,它变得很简单。
在以下示例中,从ndarray对象的每一行中选择了指定列的一个元素。因此,行索引包含所有行号,列索引指定要选择的元素。
import numpy as np
x = np.array([[1, 2], [3, 4], [5, 6]])
y = x[[0,1,2], [0,1,0]]
print y
其输出如下-
[1 4 5]
选择包括第一个数组中位于(0,0),(1,1)和(2,0)的元素。
在以下示例中,选择了放置在4X3阵列角上的元素。选择的行索引为[0,0]和[3,3],而列索引为[0,2]和[0,2]。
import numpy as np
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print 'Our array is:'
print x
print '\n'
rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])
y = x[rows,cols]
print 'The corner elements of this array are:'
print y
该程序的输出如下-
Our array is:
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
The corner elements of this array are:
[[ 0 2]
[ 9 11]]
结果选择是一个包含边角元素的ndarray对象。
可以通过将一个切片(:)或省略号(…)与一个索引数组结合使用高级索引索引和基础索引。以下示例对行使用切片,对列使用高级索引。两者同时使用slice时,结果相同。但是高级索引会导致复制,并且可能具有不同的内存布局。
import numpy as np
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print 'Our array is:'
print x
print '\n'
# slicing
z = x[1:4,1:3]
print 'After slicing, our array becomes:'
print z
print '\n'
# using advanced index for column
y = x[1:4,[1,2]]
print 'Slicing using advanced index for column:'
print y
该程序的输出如下:
Our array is:
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
After slicing, our array becomes:
[[ 4 5]
[ 7 8]
[10 11]]
Slicing using advanced index for column:
[[ 4 5]
[ 7 8]
[10 11]]
当所得到的目的,就是要布尔运算,诸如运算符的结果这种类型的先进的索引被使用。
在此示例中,作为布尔索引的结果,返回大于5的项目。
import numpy as np
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print 'Our array is:'
print x
print '\n'
# Now we will print the items greater than 5
print 'The items greater than 5 are:'
print x[x > 5]
该程序的输出将是-
Our array is:
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
The items greater than 5 are:
[ 6 7 8 9 10 11]
在此示例中,通过使用〜(补码运算符)来省略NaN(非数字)元素。
import numpy as np
a = np.array([np.nan, 1,2,np.nan,3,4,5])
print a[~np.isnan(a)]
它的输出将是-
[ 1. 2. 3. 4. 5.]
下面的示例演示如何从数组中滤除非复杂元素。
import numpy as np
a = np.array([1, 2+6j, 5, 3.5+5j])
print a[np.iscomplex(a)]
在这里,输出如下-
[2.0+6.j 3.5+5.j]