Python | numpy基础：神奇索引

最新推荐文章于 2025-06-27 03:17:10 发布

原创最新推荐文章于 2025-06-27 03:17:10 发布 · 597 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#numpy #python

本文介绍了Numpy库中的一种特殊索引方式——神奇索引，通过使用整数数组进行索引，实现对多维数组的高效选取。示例展示了如何通过整数数组组合选取数组的特定行，以及多个整数数组的复合索引。同时，强调了神奇索引会复制数据，而非创建视图，改变副本不会影响原始数组。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np

#numpy数组的神奇索引。“神奇索引”是一个术语：使用整数数组进行数据索引。即方括号[]里，是整数数组。

#创建数组
arr = np.empty((8,4))
for i in range(8):#固定搭配，等于matlab的for i=0:7
    arr[i] = i

print(arr)

#使用一个整数数组作为索引
print(arr[[4, 3, 0, 6]])#神奇索引，利用整数数组索引，将第4、3、0、6行取出，组成一新的数组
print(arr[[-3, -5, -7]])

#使用多个整数数组作为索引
arr1 = np.arange(32).reshape((8,4))
print(arr1)
print(arr1[[1, 5, 7, 2], [0, 3, 1, 2]])#选中了（1,0）、（5,3）、（7,1）、（2，2）组成一个新的一维数组
arr2 = arr1[[1, 5, 7, 2], [0, 3, 1, 2]]#神奇索引是复制，不是原数组的视图，
arr2 = 1
print(arr1)

#结论：
#（1）神奇索引，是在方括号中使用整数数组。
#（2）神奇索引是复制，而不是原数组的视图。因此，改变神奇索引的值，不会改变原数组的值

输出结果：

[[0. 0. 0. 0.]
 [1. 1. 1. 1.]
 [2. 2. 2. 2.]
 [3. 3. 3. 3.]
 [4. 4. 4. 4.]
 [5. 5. 5. 5.]
 [6. 6. 6. 6.]
 [7. 7. 7. 7.]]
[[4. 4. 4. 4.]
 [3. 3. 3. 3.]
 [0. 0. 0. 0.]
 [6. 6. 6. 6.]]
[[5. 5. 5. 5.]
 [3. 3. 3. 3.]
 [1. 1. 1. 1.]]
[[ 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]]
[ 4 23 29 10]
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]
 [20 21 22 23]