NumPy 布尔索引与花式索引详解

NumPy 布尔索引与花式索引详解

NumPy 数组索引包括普通索引、切片索引、布尔索引和花式索引。布尔索引通过条件筛选数据，花式索引通过位置数组访问元素。两者都是高级索引，返回副本而非视图。下面通过代码实例深入解析。

1. 布尔索引：基于条件的数据筛选

布尔索引使用布尔数组（True/False）作为掩码，筛选满足条件的元素。布尔数组必须与原数组形状一致。
底层原理：NumPy 将布尔数组转换为整数索引列表（如 [False, True] → 索引 [1]），然后提取对应元素，生成新数组（副本）。

示例 1：一维数组布尔索引

import numpy as np

# 创建一维数组
arr = np.array([10, 20, 30, 40, 50])

# 生成布尔掩码：筛选大于25的元素
mask = arr > 25  # 输出：[False, False, True, True, True]

# 应用布尔索引：提取True位置的元素
result = arr[mask]  # 输出：[30, 40, 50]
print("布尔索引结果:", result)

示例 2：多维数组布尔索引

# 创建2x3二维数组
matrix = np.array([[1, 2, 3], [4, 5, 6]])

# 生成布尔掩码：筛选大于3的元素
mask = matrix > 3  # 输出：[[False, False, False], [True, True, True]]

# 应用布尔索引：结果展平为一维数组
result = matrix[mask]  # 输出：[4, 5, 6]
print("多维布尔索引结果:", result)

# 链式条件示例：筛选大于2且小于5的元素
mask_chain = (matrix > 2) & (matrix < 5)  # &表示逻辑AND
result_chain = matrix[mask_chain]  # 输出：[3, 4]
print("链式条件结果:", result_chain)

---

2. 花式索引：按位置访问元素

花式索引使用整数数组指定要访问的元素位置，支持不连续访问。返回副本而非视图。
底层原理：NumPy 将索引数组转换为 ndarray，通过 np.take() 复制数据到新数组。
与切片区别：

• 花式索引：返回副本，支持不连续位置（如 [0, 2]）。
• 切片索引：返回视图，仅支持连续位置（如 [1:3]）。

示例 3：一维数组花式索引

# 创建一维数组
arr = np.array([10, 20, 30, 40, 50])

# 指定索引位置：[1]和[3]
indices = np.array([1, 3])  # 整数数组

# 应用花式索引：按indices顺序提取元素
result = arr[indices]  # 输出：[20, 40]
print("花式索引结果:", result)

# 修改结果不影响原数组（副本特性）
result[0] = 100
print("修改后原数组:", arr)  # 输出仍为[10,20,30,40,50]

示例 4：多维数组花式索引

# 创建3x3二维数组
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 指定行索引[0,2]和列索引[1,0]
row_indices = [0, 2]  # 行位置
col_indices = [1, 0]  # 列位置

# 应用花式索引：提取(0,1)和(2,0)位置的元素
result = matrix[row_indices, col_indices]  # 输出：[2, 7]
print("多维花式索引结果:", result)

---

3. 组合布尔索引与花式索引

结合两者可处理复杂筛选逻辑。注意：链式操作可能生成临时副本，增加内存开销。

示例 5：组合索引实战

# 创建3x3数组
arr = np.array([[10, 20, 30], [40, 50, 60], [70, 80, 90]])

# 目标：筛选第0行和第1行中大于25的元素
# 步骤1：花式索引选择行（返回副本）
rows = [0, 1]  # 选择第0行和第1行
sub_arr = arr[rows]  # 子数组：[[10,20,30], [40,50,60]]

# 步骤2：布尔索引筛选大于25的元素
mask = sub_arr > 25  # 掩码：[[False,False,True], [True,True,True]]
result = sub_arr[mask]  # 输出：[30, 40, 50, 60]

print("组合索引结果:", result)

---

4. 关键注意事项

• 副本 vs 视图：布尔/花式索引始终返回副本。修改副本不影响原数组。

• 广播对齐：布尔数组形状必须与原数组一致，否则报错。

  # 错误示例：形状不匹配
  try:
      mask = np.array([True, False])
      result = arr[mask]  # 报错：布尔数组形状(2,)与数组形状(5,)不匹配
  except Exception as e:
      print("错误:", e)
  

• 顺序问题：花式索引结果严格按索引数组顺序（如 [2,0] 返回 [arr[2], arr[0]]）。

• 内存优化：避免在大数据集上链式操作（如 arr[indices][mask]），减少副本生成。

• 布尔索引：用于条件筛选（如 arr[arr > 10]），适合数据清洗。

• 花式索引：用于位置访问（如 arr[[1,3]]），适合提取非连续数据。

• 核心区别：花式索引支持任意位置，布尔索引依赖条件。