Numpy —— 花式索引，整数索引和布尔索引

最新推荐文章于 2025-06-14 12:02:56 发布

starter_zheng

最新推荐文章于 2025-06-14 12:02:56 发布

阅读量5.9k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Numpy 文章标签： python numpy

本文链接：https://blog.youkuaiyun.com/starter_____/article/details/79174263

Numpy 专栏收录该内容

10 篇文章

订阅专栏

本文介绍了Numpy库中的三种索引方式：花式索引通过整数数组操作，不同于切片，总是复制数据；整数索引示例解释了如何选取特定位置的元素；布尔索引则利用布尔数组来过滤数据，展示如何按条件筛选元素。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

花式索引

花式索引指的是利用整数数组进行索引
花式索引跟切片不一样，它总是将数据复制到新数组中

1、传入顺序索引数组

In [94]: arr=np.arange(32).reshape((8,4))

In [95]: arr
Out[95]:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19],
       [20, 21, 22, 23],
       [24, 25, 26, 27],
       [28, 29, 30, 31]])

In [96]: arr[[4,2,1,7]]
Out[96]:
array([[16, 17, 18, 19],
       [ 8,  9, 10, 11],
       [ 4,  5,  6,  7],
       [28, 29, 30, 31]])

2、传入倒序索引数组

In [97]: arr[[-4,-2,-1,-7]]
Out[97]:
array([[16, 17, 18, 19],
       [24, 25, 26, 27],
       [28, 29, 30, 31],
       [ 4,  5,  6,  7]])

3、传入多个索引数组（要使用np.ix_）

In [98]: arr[np.ix_([1,5,7,2],[0,3,1,2])]
Out[98]:
array([[ 4,  7,  5,  6],
       [20, 23, 21, 22],
       [28, 31, 29, 30],
       [ 8, 11,  9, 10]])

整数索引

Example1（其结果包括数组中(0,0)，(1,1)和(2,0)位置处的元素。）

In [111]: x=np.arange(12).reshape((4,3))
In [112]: x
Out[112]:
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
In [113]: y=x[[0,1,2],[0,1,0]]

In [114]: y
Out[114]: array([0, 4, 6])

Example2（其结果包括数组中(0,0)，(0,2)，(3,0)和(3,2)位置处的元素。）


In [117]: rows=np.array([[0,0],[3,3]])

In [118]: cols=np.array([[0,2],[0,2]])

In [119]: y=x[rows,cols]

In [120]: y
Out[120]:
array([[ 0,  2],
       [ 9, 11]])

布尔索引

In [129]: x[x>5]
Out[129]: array([ 6,  7,  8,  9, 10, 11])