NumPy - 索引

索引是指在有序列表或数据结构(例如树、列表、字符串、数组、图、矩阵等)中查找或访问特定项目或位置。这种技术使我们能够从数据集中选择一个或一组元素。

NumPy 中的索引

NumPy 索引是一种使用位置访问或更改数组中特定值的方法。每个位置都有一个称为索引的数字。正数从头开始计数(0、1、2)，负数则从后往前计数(-1 表示最后一个，-2 表示倒数第二个，以此类推)。

在 NumPy 中，索引在处理大型数组时发挥着重要作用。它通过直接引用数组位置来简化数据操作并加快分析速度。这使得数据操作和分析速度更快。

Python 使用索引从列表或元组中从索引 0 开始获取项目。相比之下，NumPy 索引适用于多维数组，并提供更高级的技术。这些技术包括切片、布尔索引和高级索引。

简单索引

NumPy 中的简单索引允许您使用数组的位置来访问特定项目。对于一维数组，使用单个索引，例如 arr[2]。对于二维数组，您必须同时提供行索引和列索引，例如 arr[1, 2]。对于三维数组，你需要提供深度、行和列索引，如下所示:arr[2, 0, 1]。

让我们举几个例子来理解简单的索引 -

使用索引访问一维数组

假设我们有一个包含蔬菜和水果的购物清单。假设我们想访问购物清单中的香蕉，我们使用 arr[3]，其中 3 是香蕉的索引。以下是代码:

import numpy as np
grocery_list = ['carrot', 'beetroot', 'brinjal', 'banana', 'mango', 'potato', 'apple']
arr = np.array(grocery_list)
print(arr[3])

以下是上述代码的输出:

banana

使用索引访问二维数组

让我们在成绩册上创建一个二维数组，其中每一行代表一个学生，每一列代表该学生在不同科目的考试成绩。我们需要获取学生 2 在第三门科目的成绩。

获取学生 2 的成绩(索引 1)和第三列(科目 3)的成绩，即"78"(索引 2)，我们使用 student_score[1,2]。

import numpy as np
student_score = np.array([['99', '87', '63'],
['100', '98', '78'],
['95', '100', '76']])
print("学生 2 的成绩第三门科目:", student_score[1,2])

上述代码的输出如下:-

学生 2 第三门科目的成绩:78

使用索引访问三维数组

首先，我们使用 arange() 函数创建一个一维数组，其中包含从 1 到 26 的数字序列，然后使用 reshape() 函数将其转换为三维数组。使用索引，我们最终将根据元素的位置访问三维数组中的特定元素。

要访问位于第三个深度(索引 2)、第 0 行和第 3 列(索引 2)的元素，我们使用 arr_3d[2, 0, 2]。

import numpy as np
arr = np.arange(27)
arr_3d = arr.reshape(3,3,3)
print("三维数组为:
", arr_3d)
print("元素:",arr_3d[2,0,2])

上述代码的输出如下:

元素:20

负索引NumPy

我们使用负索引从数组末尾访问元素。索引 -1 表示数组中的最后一个元素，-2 表示倒数第二个元素，依此类推。它主要用于在多维数组中以相反的顺序访问元素。

示例

以下是 NumPy 中使用负索引的示例 -

import numpy as np
arr = np.array([10, 20, 30, 40, 50])
print(arr[-1])
print(arr[-3])

以下是上述代码的输出 -

50
30

NumPy 中的索引类型

NumPy 提供多种访问和操作数组项的方法。从简单索引到高级索引，它们为您提供了更大的灵活性和对数据的控制。以下是索引类型 -

• 基本索引:基本索引涉及使用整数或切片来获取特定元素或范围。此方法会生成原始数组的视图。

• 高级索引:使用此方法，您可以使用索引数组或列表提取元素。这可以生成原始数组的副本，并允许更复杂的选择，例如非连续元素。

• 字段访问:字段访问用于结构化数组，以访问或操作数组的特定字段。它提供了一种处理异构数据(类似于表中的列)的有效方法。

基本索引

基本索引使用整数或切片对象来访问数组中的单个或一组元素。使用以下方法之一时，将应用基本切片:

• 切片对象:使用 start: stop: step 格式创建。

• 单个整数:访问特定索引处的元素。

• 整数与切片对象的组合:整数与切片对象的混合(例如，start: stop，或包含两者的元组)。

基本切片生成的所有数组始终是原始数组的视图。

示例:使用 Start、Stop 和 Step 参数进行切片

在下面的示例中，arange() 函数准备了一个 ndarray 对象。然后定义一个切片对象，其起始值、终止值和步长分别为 2、7 和 2。

当将此切片对象传递给 ndarray 时，会从索引 2 开始到索引 7 的部分(步长为 2)被切片。

import numpy as np
a = np.arange(12)
print(a)
#使用起始:终止:步长格式
print(a[2:7:2])

以下是上述代码的输出 -

[ 0 1 2 3 4 5 6 7 8 9 10 11]
[2 4 6]

示例:访问特定行和元素

让让我们创建一个二维数组，用于表示教室座位表，其中每行代表座位排，每列代表单个座位。现在，让我们使用单个整数提取特定行和特定座位。

arr_2d[2, 0] 访问第 3 行第 1 列的元素(索引从 0 开始)。以下是代码 -

import numpy as np
arr = np.arange(12)
arr_2d = arr.reshape(3, 4)
print("arr_2d:
",arr_2d)
#使用单个整数
print("第 8 个位置的元素是:",arr_2d[2,0])

以下是上述代码的输出 -

arr_2d:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
第 8 个位置的元素是:8

示例:重塑和元素选择

在下面的代码中，我们创建了一个三维数组，并使用 arr_3d[1, 2:4] 访问第二行(索引 1)中从列索引 2 到(但不包括)索引 4 的元素。

import numpy as np
arr = np.arange(12)
arr_3d = arr.reshape(3, 4)
print(arr_3d[1, 2:4])

以下是上述代码的输出 -

[6 7]