NumPy 切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改,与 Python 中 list 的切片操作一样。

ndarray 数组可以基于 0 - n 的下标进行索引,切片对象可以通过内置的 slice 函数,并设置 start, stop 及 step 参数进行,从原数组中切割出一个新数组。

a = np.arange(10)
s = slice(2,7,2) # 从索引 2 开始到索引 7 停止,间隔为2
print (a[s])

得到:

[2 4 6] 

例2:

a=np.arange(10)
s =slice(2,7,2)
print(a[s])

得到同样的结果:

[2 4 6] 

以上实例中,我们首先通过 arange() 函数创建 ndarray 对象。 然后,分别设置起始,终止和步长的参数为 2,7 和 2。

我们也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作:

a = np.arange(10)  
b = a[2:7:2] # 从索引 2 开始到索引 7 停止,间隔为 2
print(b)

通过:的方式同样得到:

[2 4 6] 

冒号 : 的解释:如果只放置一个参数,如 [2],将返回与该索引相对应的单个元素。如果为 [2:],表示从该索引开始以后的所有项都将被提取。如果使用了两个参数,如 [2:7],那么则提取两个索引(不包括停止索引)之间的项。

a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
b = a[5]
print(b)
5 

从2开始提取后面的所有元素:

a = np.arange(10)
print(a[2:])

得到:

[2 3 4 5 6 7 8 9] 

区间为[2,5) 取左不取右:

a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
print(a[2:5])

得到:

[2 3 4] 

一个更大的例子,同上:

import numpy as np

a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
# 从某个索引处开始切割
print('从数组索引 a[1:] 处开始切割')
print(a[1:])
[[1 2 3]  [3 4 5]  [4 5 6]] 从数组索引 a[1:] 处开始切割 [[3 4 5]  [4 5 6]] 

综合例子:

import numpy as np

a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print (a[...,1]) # 第2列元素
print (a[1,...]) # 第2行元素
print (a[...,1:]) # 第2列及剩下的所有元素

同样:

[2 4 5] [3 4 5] [[2 3]  [4 5]  [5 6]] 

在多维数组的切片中,使用 , 区分维数。

a=np.arange(0,12)
a.shape=(3,4)
print(a)
print(a[0:2,1:3])

注意观察维数的变化,维数也是相当重要的一个概念:

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

可以把冒号左边的数看成是横坐标,右边的数看成是纵坐标,四个坐标做笛卡尔积,即取数组 a 下标是 (0,1),(0,2),(1,1),(1,2) 四个位置的数。

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。

整数数组索引

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

以下实例获取数组中(0,0),(1,1)和(2,0)位置处的元素。

前面的后面分别按顺序做一次笛卡尔积

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)
print ('\n')
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)
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]] 

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:

a = np.array([[1,2,3], [4,5,6],[7,8,9]])
b = a[1:3, 1:3]
c = a[1:3,[1,2]]
d = a[...,1:]
print(a)
print(b)
print(c)
print(d)

得到:

[[1 2 3]  [4 5 6]  [7 8 9]] [[5 6]  [8 9]] [[5 6]  [8 9]] [[2 3]  [5 6]  [8 9]] 

布尔索引

x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
print ('我们的数组是:')
print (x)
print ('\n')
# 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])

得到:

我们的数组是:
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]



大于 5 的元素是:
[ 6 7 8 9 10 11]

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)])

得到:

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

以下实例演示如何从数组中过滤掉非复数元素。

import numpy as np 

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

得到:

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

PS:

关于使用切片的方法,还有待进一步的研究,以后会更新~