深入瞭解NumPy 高階索引
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數和切片的索引外,陣列可以由整數陣列索引、布林索引及花式索引。
整數陣列索引
以下例項獲取陣列中(0,0),(1,1)和(2,0)位置處的元素。
import numpy as np x = np.array([[1,2],[3,4],[5,6]]) y = x[[0,1,[0,0]] print (y)
輸出結果為:
[1 4 5]
以下例項獲取了 4X3 陣列中的四個角的元素。 行索引是 [0,0] 和 [3,3],而列索引是 [0,2] 和 [0,2]。
import numpy as np x = np.array([[ 0,[ 3,4,5],[ 6,7,8],[ 9,10,11]]) print ('我們的陣列是:' ) print (x) print ('\n') rows = np.array([[0,0],3]]) cols = np.array([[0,2]]) y = x[rows,cols] print ('這個陣列的四個角元素是:') print (y)
輸出結果為:
我們的陣列是:
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
這個陣列的四個角元素是:
[[ 0 2]
[ 9 11]]
返回的結果是包含每個角元素的 ndarray 物件。
可以藉助切片 : 或 … 與索引陣列組合。如下面例子:
import numpy as np 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(b) print(c) print(d)
輸出結果為:
[[5 6]
[8 9]][[5 6]
[8 9]]
[[2 3]
[5 6]
[8 9]]
布林索引
我們可以通過一個布林陣列來索引目標陣列。
布林索引通過布林運算(如:比較運算子)來獲取符合指定條件的元素的陣列。
以下例項獲取大於 5 的元素:
import numpy as np x = np.array([[ 0,11]]) print ('我們的陣列是:') print (x) print ('\n') # 現在我們會打印出大於 5 的元素 print ('大於 5 的元素是:') print (x[x > 5])
輸出結果為:
我們的陣列是:
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8][ 9 10 11]]
大於 5 的元素是:
[ 6 7 8 9 10 11]
以下例項使用了 ~(取補運算子)來過濾 NaN。
import numpy as np a = np.array([np.nan,np.nan,3,5]) print (a[~np.isnan(a)])
輸出結果為:
[ 1. 2. 3. 4. 5.]
以下例項演示如何從陣列中過濾掉非複數元素。
import numpy as np a = np.array([1,2+6j,3.5+5j]) print (a[np.iscomplex(a)])
輸出如下:
[2.0+6.j 3.5+5.j]
花式索引
花式索引指的是利用整數陣列進行索引。
花式索引根據索引陣列的值作為目標陣列的某個軸的下標來取值。對於使用一維整型陣列作為索引,如果目標是一維陣列,那麼索引的結果就是對應位置的元素;如果目標是二維陣列,那麼就是對應下標的行。
花式索引跟切片不一樣,它總是將資料複製到新陣列中。
1、傳入順序索引陣列
import numpy as np x=np.arange(32).reshape((8,4)) print (x[[4,7]])
輸出結果為:
[[16 17 18 19]
[ 8 9 10 11]
[ 4 5 6 7]
[28 29 30 31]]
2、傳入倒序索引陣列
import numpy as np x=np.arange(32).reshape((8,4)) print (x[[-4,-2,-1,-7]])
輸出結果為:
[[16 17 18 19]
[24 25 26 27]
[28 29 30 31]
[ 4 5 6 7]]
3、傳入多個索引陣列(要使用np.ix_)
import numpy as np x=np.arange(32).reshape((8,4)) print (x[np.ix_([1,2])])
輸出結果為:
[[ 4 7 5 6]
[20 23 21 22]
[28 31 29 30]
[ 8 11 9 10]]
以上就是深入瞭解NumPy 高階索引的詳細內容,更多關於NumPy 高階索引的資料請關注我們其它相關文章!