python numpy数组的索引和切片的操作方法

Python中NumPy库是数据分析、科学计算的重要工具，常常使用多维数组进行数据处理和计算。在使用NumPy中的数组时，对其索引和切片操作特别重要，可以帮助我们有效快捷地获取、操作数组数据。

数组索引

1.通用索引

通用索引是指通过指定每个维度元素的索引位置，来快速访问数组中的元素。使用Python的下标方式（[行数,列数]）也可以访问一个元素。例如，若有一个 3x3 的数组，要访问其第(2,3)个元素，可以使用如下代码：

import numpy as np

data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

print(data[1,2])  # 输出 6

2.省略号索引

省略号索引可以访问数组中的部分元素，常用于多维数组的切片操作，具体表达式为（...）。使用省略号索引时，可以忽略掉数组中任意数量的维度。例如，若有一个 3x3x3 的数组，可以使用如下代码访问第二维上所有数据：

import numpy as np

data = np.arange(27).reshape(3,3,3)
print(data[...,1]) # 输出 [[ 1  4  7]
                  #      [10 13 16]
                  #      [19 22 25]]

数组切片

切片是指通过指定一定范围的索引位置，来访问数组中的元素。使用切片功能时，可以对数组进行划分，获得部分或者整个数组的视图而无需复制任何数据。 NumPy提供了类似于Python列表的切片操作方式，表示为“：”。接下来将详细介绍NumPy数组的切片操作。

1.基本切片

NumPy中有两种切片方式：基本切片（也称为“只有冒号”的切片）和高级的花式切片。其中基本切片可用于返回start:end之间指定增量的数据，这里的start和end代表数组最左侧和最右侧的索引位置，以及“：”表示指定增量的切片操作。例如，若有一个一维数组，可以使用如下代码获取第2~4个元素：

import numpy as np

data = np.array([1, 2, 3, 4, 5])
print(data[1:4:1])  # 输出 [2 3 4]

2.布尔切片

布尔切片是指通过在数组中指定True或False值，来进行挑选操作。使用此种方法时，每一个元素都必须有对应的布尔值，其可指定数组的挑选条件，返回True的数组元素将被选中。例如：

import numpy as np

data = np.array([1, 2, 3, 4, 5])
condition = data>2
print(data[condition])  # 输出 [3 4 5]

示例说明

示例1：NumPy数组的索引操作

import numpy as np

data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

print(data[1,2]) # 输出 6

示例2：NumPy数组的切片操作

import numpy as np

data = np.array([1, 2, 3, 4, 5])
print(data[1:4:1])  # 输出 [2 3 4]

以上就是Python中NumPy数组索引和切片操作方法的完整攻略，特别强调对数组切片的理解，常用于获取数据的部分视图，以及设置索引、操作元素等。