numpy——索引切片

一、索引和切片

import numpy as np

x = np.arange(48).reshape(6, 8)
print(x)

# 选取第二行
print(x[1]) #从0开始，取得第2行

# 选取第二行, 第二列
print(x[1][1])

# 选取第三行到最后一行, 第一列到最后一列
print(x[2:,2:])

# 花式索引 (1, 1) 和 (4, 4)
print("\n\n\n",x[[1, 4], [1, 4]])

# np.ix_(本质上是笛卡尔积) (重点!!!)
# 假设集合A={a, b}，集合B={0, 1, 2}，
# 则两个集合的笛卡尔积为{(a, 0), (a, 1), (a, 2), (b, 0), (b, 1), (b, 2)}。
# (1, 1) (1,4)和 (4,1),(4, 4)

print("\n\n\n",x[np.ix_([1, 4], [1, 4])])

二、布尔索引

import numpy as np

x = np.arange(48).reshape(6, 8)
print(x)

print(x > 5)
# # 可以使用布尔类型作为索引
print(x[x > 5])
print(x[(x > 5) & (x < 17)])
#
# 空与非空
print(np.isnan(x))

print(x[~np.isnan(x)]) #~表示非

三、基本索引

import numpy as np


#1.单个元素：使用逗号分隔的索引来访问单个元素。
array = np.array([[1, 2, 3], [4, 5, 6]])
print(array[0, 2])  # 输出第一个元素的第三个值，即 3

#2.行切片：使用冒号 : 来选择行的切片。
print(array[0, :])  # 输出第一行的所有元素
print(array[1, :])  # 输出第二行的所有元素

#3.列切片：同样使用冒号 : 来选择列的切片。
print(array[:, 0])  # 输出第一列的所有元素
print(array[:, 2])  # 输出第三列的所有元素

#4.步长切片——步长：在切片时，可以指定步长
print(array[::2, ::2])  # 从第一行开始，每隔一行选择一行，从第一列开始，每隔一列选择一列

#5.布尔数组：可以使用布尔数组来索引，数组中 True 的位置将被选中。
bool_array = array > 2  # 创建一个布尔数组，其中大于2的元素为True
print(array[bool_array])  # 选择所有大于2的元素

#6.多个索引：可以使用多个索引来选择数组的子集。
rows = [0, 1]  # 选择第一行和第二行
cols = [1, 2]  # 选择第二列和第三列
print(array[rows, cols])  # 输出选定的子集

#7.添加新轴：使用 None 或 np.newaxis 可以在指定位置添加新的轴。
print(array[:, None])  # 在列后面添加一个新轴，将数组变为 (2, 3, 1) 的形状

注意事项

• 在进行切片操作时，返回的是原始数组的视图（view），而不是副本（copy）。这意味着，如果你修改了视图，原始数组也会被修改。
• 使用 -1 可以表示最后一个元素或最后一个轴。