NumPy - 高级索引

可以从非元组序列的 ndarray、整数或布尔数据类型的 ndarray 对象或至少有一个项目是序列对象的元组中进行选择。 高级索引始终返回数据的副本。 与此相反，切片仅呈现一个视图。

高级索引有两种类型 − 整数 和布尔值。

整数索引

此机制有助于根据 N 维索引选择数组中的任意项。 每个整数数组表示该维度的索引数。 当索引由与目标 ndarray 的维度一样多的整数数组组成时，它变得简单明了。

在下面的示例中，从 ndarray 对象的每一行中选择指定列的一个元素。 因此，行索引包含所有行号，列索引指定要选择的元素。

示例 1

import numpy as np 

x = np.array([[1, 2], [3, 4], [5, 6]]) 
y = x[[0,1,2], [0,1,0]] 
print y

它的输出将如下所示 −

[1  4  5]

选择包括第一个数组中 (0,0)、(1,1) 和 (2,0) 处的元素。

在下面的例子中，放置在 4X3 数组角落的元素被选中。 选择的行索引是 [0, 0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]。

示例 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

这个程序的输出如下 −

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角元素的 ndarray 对象。

可以通过使用带有索引数组的切片 (:) 或省略号 (...) 来组合高级索引和基本索引。 以下示例对行使用切片，对列使用高级索引。 当 slice 用于两者时，结果是相同的。 但是高级索引会导致复制并且可能有不同的内存布局。

示例 3

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

这个程序的输出如下 −

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]] 

布尔数组索引

当结果对象是布尔运算（例如比较运算符）的结果时，使用这种类型的高级索引。

示例 1

在此示例中，大于 5 的项作为布尔索引的结果返回。

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'  

# 现在我们将打印大于 5 的项目
print 'The items greater than 5 are:' 
print x[x > 5]

这个程序的输出是 −

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] 

示例 2

在此示例中，使用 ~（补码运算符）省略了 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)]

它的输出是 −

[ 1.   2.   3.   4.   5.] 

示例 3

以下示例显示如何从数组中过滤掉非复杂元素。

import numpy as np 
a = np.array([1, 2+6j, 5, 3.5+5j]) 
print a[np.iscomplex(a)]

这里，输出结果如下 −

[2.0+6.j  3.5+5.j]