Numpy数组的三种主要索引方式讲解及源码示例

1、整数索引和切片

NumPy中可以通过整数索引和切片来访问和修改数组中的元素，数组的维度不同、整数索引和切片的用法也会有所不同。 对于一维数组来说，整数索引和切片的用法与Python列表中索引和切片的用法相同；对于二维数组来说，整数索引和切片的用法要复杂一些。下面以二维数组为例，演示如何使用整数索引和切片访问数组的元素。

（1）如果希望获取二维数组的一行元素，则可以通过“数组[行索引]”的形式实现，示例代码如下 ：

>>> import numpy as np
>>> arr2d=np.array([[1,6,11,16,21],[2,7,12,17,22],[3,8,13,18,23],[4,9,14,19,24], [5,10,15,20,25]])
>>> arr2d
array([[ 1,  6, 11, 16, 21],
       [ 2,  7, 12, 17, 22],
       [ 3,  8, 13, 18, 23],
       [ 4,  9, 14, 19, 24],
       [ 5, 10, 15, 20, 25]])
>>> arr2d[2]  #共获取行索引为2的整行元素
输出：array([ 3,  8, 13, 18, 23])

（2）如果希望获取二维数组的单个元素，则需要通过“数组[行索引，列索引]”的形式实现。 例如，获取位于第3行第4列的元素，示例代码如下：

>>> arr2d[2,3] #获取行索引为2、列索引为3的元素
输出：18

（3）如果希望获取二维数组的多行元素，则可以通过“数组[行索引的切片]”的形式实现，示例代码如下 ：