Numpy 数组索引的实现

下面是“Numpy 数组索引的实现”的详细讲解攻略：

1. 索引方式

Numpy数组索引有两种方式:

基本索引

基本索引是指使用整数或切片(slice)来对数组进行索引，例如：

import numpy as np

a = np.array([[1, 2], [3, 4], [5, 6]])
print("a:\n", a)

# 对数组a进行基本索引
print("a[0]:\n", a[0])
print("a[:2]:\n", a[:2])
print("a[1:3, 1]:\n", a[1:3, 1])

运行结果如下：

a:
 [[1 2]
  [3 4]
  [5 6]]
a[0]:
 [1 2]
a[:2]:
 [[1 2]
 [3 4]]
a[1:3, 1]:
 [4 6]

高级索引

高级索引包括布尔索引和整数索引。

• 布尔索引: 使用一个布尔数组来对数组进行索引。数组形状必须相同，布尔数组中 True 所在位置对应的元素会被选中，False 所在位置对应的元素会被忽略，例如：

import numpy as np

a = np.array([1, 2, 3, 4, 5])
b = np.array([True, False, True, False, True])

# 对数组a进行布尔索引
print("a[b]:\n", a[b])

运行结果如下：

a[b]:
 [1 3 5]

• 整数索引: 使用一个整数数组来对数组进行索引。数组形状可以不同，整数数组中每个元素表示要选中的元素在相应维度的下标，例如：

import numpy as np

a = np.array([[0, 1], [2, 3], [4, 5]])
b = np.array([0, 1, 0])

# 对数组a进行整数索引
print("a[b]:\n", a[b])

运行结果如下：

a[b]:
 [[0 1]
  [2 3]
  [0 1]]

2. 实现方式

Numpy 数组索引的实现方式主要有括号索引和点索引两种。

• 括号索引：按照上述的基本索引和高级索引的方式进行索引，例如：

import numpy as np

a = np.array([[1, 2], [3, 4], [5, 6]])
print("a:\n", a)

# 对数组a进行基本索引和高级索引
print("a[0]:\n", a[0])
print("a[:2]:\n", a[:2])
print("a[1:3, 1]:\n", a[1:3, 1])

b = np.array([True, False, True])
print("a[b]:\n", a[b])

c = np.array([0, 1, 0])
print("a[c]:\n", a[c])

运行结果如下：

a:
 [[1 2]
  [3 4]
  [5 6]]
a[0]:
 [1 2]
a[:2]:
 [[1 2]
 [3 4]]
a[1:3, 1]:
 [4 6]
a[b]:
 [[1 2]
 [5 6]]
a[c]:
 [[1 2]
 [3 4]
 [1 2]]

• 点索引：使用.将索引操作添加到数组对象后面来实现索引，例如：

import numpy as np

a = np.array([[1, 2], [3, 4], [5, 6]])
print("a:\n", a)

# 使用点索引对数组a进行基本索引和高级索引
print("a[0].size:\n", a[0].size)
print("a[:2].sum():\n", a[:2].sum())
print("a[1:3, 1].max():\n", a[1:3, 1].max())

b = np.array([True, False, True])
print("a[b].mean():\n", a[b].mean())

c = np.array([0, 1, 0])
print("a[c].var():\n", a[c].var())

运行结果如下：

a:
 [[1 2]
  [3 4]
  [5 6]]
a[0].size:
 2
a[:2].sum():
 6
a[1:3, 1].max():
 6
a[b].mean():
 4.0
a[c].var():
 2.9166666666666665

至此，“Numpy 数组索引的实现”的完整攻略就讲解完毕了。