python和numpy索引操作

        索引操作有什么好处呢，第一个是可以消除不必要的循环，我们来看一个样例：

a = []
data = pd.read_csv(f, header=None)
for i in range(len(data[0])):
    a.append(float(round(float(data[0][i]))))

        可以看出这仅仅是一个赋值操作，对a中每个元素的赋值之间没有依赖关系，所以可以用索引去掉循环，提高速度：

a = []
data = pd.read_csv(f, header=None)
a[:] = round(data[0][:].astype(float))

        等号左右两边的索引必须是一一对应关系，即a的所有对应data[0]的所有。

        我们再来看一个复杂一点的样例（注意seq_是numpy数组，因此可以用[:, 20]来进行索引，如果是普通的python数组就只能使用[:][20]）：

seq_[:, 20] = pt.sqrt(pt.sum((node_pos[:,0] - node_pos[:,4])**2, dim=1))

        等号右边要计算一个空间距离：先做差、再平方、再加和、最后开方。等号两边同样保证了一一对应。

        最后来看一个更复杂的样例：

nho_attr[:] = pt.sqrt(pt.sum((node_pos[edge_nho[0][:], 0] - node_pos[edge_nho[1][:], 3])**2, dim=1))

        等号右边同样计算一个空间距离；在上一个样例中我们直接用“：”作node_pos的索引，而在这里我们用edge_nho[0][:]作为node_pos的索引。只要我们保证edge_nho[0][:]和nho_attr[:]是一一对应的，就可以保证经过edge_nho[0][:]索引的node_pos可以对nho_attr赋值。