NumPy 高级索引

NumPy 高级索引

NumPy 是 Python 中用于科学计算的核心库之一，它提供了一个强大的N维数组对象和许多用于操作这些数组的函数。在 NumPy 中，除了基本的索引和切片操作外，还提供了高级索引功能，这使得您可以以更加灵活和高效的方式访问和操作数组中的数据。

1. 高级索引概述

NumPy 的高级索引包括两种类型：整数索引和布尔索引。

1.1 整数索引

整数索引允许您使用整数数组来索引数组。这种索引方式返回的是一个一维数组，其元素是原始数组中对应索引位置的元素。

1.2 布尔索引

布尔索引使用布尔数组作为索引，这种索引方式返回的是一个与原始数组形状相同的数组，但其元素只包含原始数组中满足布尔条件的元素。

2. 整数索引

2.1 一维整数索引

当使用一维整数数组作为索引时，NumPy 返回一个一维数组，其元素是原始数组中对应索引位置的元素。

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6])
index = np.array([1, 3, 5])
result = a[index]
print(result)  # 输出：[2 4 6]

2.2 多维整数索引

当使用多维整数数组作为索引时，NumPy 返回一个与索引数组形状相同的数组，其元素是原始数组中对应索引位置的元素。

a = np.array([[1, 2], [3, 4], [5, 6]])
index = np.array([[0, 1], [2, 1]])
result = a[index]
print(result)  # 输出：[[1 2]
               #        [5 4]]

3. 布尔索引

布尔索引使用布尔数组作为索引，这种索引方式返回的是一个与原始数组形状相同的数组，但其元素只包含原始数组中满足布尔条件的元素。

a = np.array([1, 2, 3, 4, 5, 6])
index = a > 3
result = a[index]
print(result)  # 输出：[4 5 6]

3.1 布尔索引与赋值

您还可以使用布尔索引来修改数组中的元素。

a = np.array([1, 2, 3, 4, 5, 6])
index = a > 3
a[index] = -1
print(a)  # 输出：[ 1  2  3 -1 -1 -1]

4. 组合索引

您还可以将整数索引和布尔索引组合使用，以实现更复杂的索引操作。

a = np.array([[1, 2], [3, 4], [5, 6]])
index1 = np.array([0, 2])
index2 = np.array([True, False])
result = a[index1, index2]
print(result)  # 输出：[1 5]

5. 高级索引的应用

高级索引在处理复杂数据结构时非常有用，例如在图像处理中，您可能需要根据某些条件来提取或修改图像中的像素值。在机器学习中，您可能需要根据某些特征来选择数据子集进行训练或测试。

6. 总结

NumPy 的高级索引功能为处理复杂数组和数据结构提供了强大的工具。通过整数索引和布尔索引，您可以以高效和灵活的方式访问和操作数组中的数据。掌握这些高级索引技巧，将使您在数据分析和科学计算中更加得心应手。