python多维数组索引_Numpy多维数组索引与切片详解

作者：Zarten

简介： 互联网一线工作者，尊重原创并欢迎评论留言指出不足之处，也希望多些关注和点赞是给作者最好的鼓励 ！

概述

numpy中多维数组的索引与切片跟python中的列表类似，但最大的区别是，数组切片是原始数组的视图，也就是说对视图上的修改直接会影响到原始数组，因为numpy的主要是处理大数据，如果每次切片都进行一次复制，那对性能和内存是相当大的考验。

索引及切片

1.一维数组的索引及切片

一维数组索引

这个python的列表差不多

import numpy as np

zarten = np.array([1,2,3,4,5])

print(zarten[2])

一维数组切片

import numpy as np

zarten = np.array([1,2,3,4,5])

print(zarten[1:3])

修改

对索引和切片的修改会直接映射到原数组。

下面的所有的索引和切片的修改都会映射到原数组，下面的讲解将不再阐述。

import numpy as np

zarten = np.array([1,2,3,4,5])

zarten[4] = 999

zarten[1:3] = 888

print(zarten)

2.多维数组的索引及切片

多维数组索引

多维数组索引只需由外向内逐层选取

比如：多维数组 [[1 2 3] [4 5 6] [7 8 9]]

要选取6这个数字，索引为[1][2]，也可写成 [1,2]

import numpy as np

zarten = np.array([[1,2,3], [4,5,6], [7,8,9]])

print(zarten[1][2])

print(zarten[1,2])

多维数组切片

多维数组的切片就有所不同了，比如：

zarten[:2, 1:]

前面的 :2 切的是行， 1: 切的是列。行是从上到下，列是从左到右

import numpy as np

zarten = np.array([[1,2,3], [4,5,6], [7,8,9]])

print(zarten)

print('*' * 50)

print(zarten[:2, 1:])

3.布尔型索引及切片

布尔型索引

布尔型索引指的是一个布尔型ndarray数组（一般为一维）对应另一个ndarray数组的每行，布尔型数组的个数要必须与另一个多维数组的行数一致。若布尔型数组内的某个元素为True，则选取另一个多维数组的行，反之不选取。

这样说可能太抽象，下面代码说明就很好理解了。

下面代码是选取第一行和最后一行

import numpy as np

zarten = np.random.randn(5,4)

print(zarten)

print('*' * 50)

zarten_bool = np.array([True, False, False, False, True])

print(zarten[zarten_bool])

假设每一行代表一个字母的信息，分别是A B C D A

现在需要选择A字母的对应的行信息，可以看到第一行和最后一行是A字母的信息

通过比较操作可以生成关于字母A的布尔型数组

import numpy as np

zarten = np.random.randn(5,4)

print(zarten)

print('*' * 50)

zarten_1 = np.array(['A', 'B', 'C', 'D', 'A'])

print(zarten[zarten_1 == 'A'])

条件索引

上面中默认是True的就选取，False就不选取。也可以设置条件，如：

!= 不等于

& 与运算

| 或运算

!= 示例

import numpy as np

zarten = np.random.randn(5,4)

print(zarten)

print('*' * 50)

zarten_1 = np.array(['A', 'B', 'C', 'D', 'A'])

print(zarten[zarten_1 != 'A'])

& 示例

import numpy as np

zarten = np.random.randn(5,4)

print(zarten)

print('*' * 50)

zarten_1 = np.array(['A', 'B', 'C', 'D', 'A'])

cond = (zarten_1 == 'B') & (zarten_1 == 'C')

print(cond)

print(zarten[cond])

由上图可以看到 (zarten_1 == 'B') & (zarten_1 == 'C') ，两个布尔型数组&后全部为False，固没有选取任何的一行。

布尔型切片

跟多维数组的切片类似，[行, 列]第一个为行，第二个为列切片。下面代码将很好的说明

zarten = np.random.randn(5,4)

print(zarten)

print('*' * 50)

zarten_1 = np.array(['A', 'B', 'C', 'D', 'A'])

print(zarten[zarten_1 == 'A'])

print('*' * 50)

print(zarten[zarten_1 == 'A', 1:3]) #切片

4.花式索引

花式索引

花式索引跟布尔型索引类似，花式索引是可以使用整数数组进行索引，可以选取任意的行，跟布尔型索引的[True, False , False]类似，可以任意选取。花式索引更方便些。

注意：花式索引是传入整数数组。若为负数，将从末尾开始选取

例如现在选取第一行和第二行。下面将布尔型索引和花式索引做一个对比

import numpy as np

zarten = np.random.randn(5,4)

print(zarten)

print('*' * 50)

#选取第一行和第二行

#布尔型索引做法

zarten_bool = np.array([True, True, False, False, False])

print(zarten[zarten_bool])

print('*' * 50)

#花式索引做法

print(zarten[[0, 1]])

花式切片

跟上面的类似，看代码一目了然

import numpy as np

zarten = np.random.randn(5,4)

print(zarten)

print('*' * 50)

#选取第一行和第二行

#布尔型索引做法

zarten_bool = np.array([True, True, False, False, False])

print(zarten[zarten_bool])

print('*' * 50)

#花式索引做法

print(zarten[[0, 1], 1:3])