NumPy索引的3种方式：数组索引、布尔索引和花式索引（附带实例）

NumPy 比一般的 Python 序列提供更多的索引方式，数组可以由整数数组索引、布尔索引和花式索引。

NumPy数组索引

【实例】获取 4×3 数组中四个角的元素。行索引是 [0，0] 和 [3，3]，而列索引是 [0，2] 和 [0，2]。

import numpy as np
x = np.array([[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11]])
print('数组是:')
print(x)
print('\n')
rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])
y = x[rows,cols]
print('这个数组四个角的元素是:')
print(y)

运行程序，输出如下：

数组是:
[[ 0  1  2]
[ 3  4  5]
[ 6  7  8]
[ 9 10 11]]
这个数组四个角的元素是:
[[0 2]
[9 11]]

返回的结果是包含每个角元素的 ndarray 对象。

此外还可以借助切片“:”或“...”与索引数组组合。例如：

import numpy as np
a = np.array([[1,3,7], [4,5,6], [2,8,9]])
b = a[1:3, 1:3]
c = a[1:3, [1,2]]
d = a[...,1:]
print(b)
print(c)
print(d)

运行程序，输出如下：

[[5 6]
[8 9]]
[[5 6]
[8 9]]
[[3 7]
[5 6]
[8 9]]

NumPy布尔索引

在 Python 中，可以通过一个布尔数组来索引目标数组。布尔索引通过布尔运算（如比较运算符）来获取符合指定条件的元素的数组。

【实例】获取大于 5 的元素。

import numpy as np
x=np.array([[ 0, 2, 6],[3, 11, 5],[4, 7, 8],[9, 10, 12]])
print(x)
print("\n")
# 打印出大于5的元素
print("大于5的元素是：")
print(x[x>5])

运行程序，输出如下：

数组是:
[[0 2 6]
[3 11 5]
[4 7 8]
[9 10 12]]
大于5的元素是:
[ 6 11 7 8 9 10 12]

NumPy花式索引

花式索引指的是利用整数数组进行索引。花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。

对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应下标的行，如果目标是二维数组，那么就是对应位置的元素。

花式索引跟切片不一样，它总是将数据复制到新数组中。

【实例】传入顺序与倒序索引数组。

import numpy as np
x=np.arange(32).reshape((8,4))
print('顺序索引数组:')
print (x[[4,2,1,7]])
print('倒序索引数组:')
print (x[[-4,-2,-1,-7]])

运行程序，输出如下：

顺序索引数组:
[[16 17 18 19]
[ 8  9 10 11]
[ 4  5  6  7]
[28 29 30 31]]
倒序索引数组:
[[28 29 30 31]
[24 25 26 27]
[20 21 22 23]
[ 4  5  6  7]]