NumPy高级索引
NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引。
整数数组索引
以下实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素。
实例：
# -*- coding: UTF-8 -*-
import numpy as np
x = np.array([[1,2],[3,4],[5,6]])
# 第一个数组用于表示行的索引，第二个数组用于表示列的索引
y = x[[0,1,2],[0,1,0]]
print(y)
输出结果为：
[1 4 5]
以下实例获取了 4 * 3数组中的四个角的元素。行索引是[0,0]和[3,3]，而列索引是[0,2]和[0,2]。
实例
import numpy as np
x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
print('我们的数组是：')
print(x)
print('\n')
rows = np.array([[0, 0], [3, 3]])
cols = np.array([[0, 2], [0, 2]])
y = x[rows, cols]
print('这个数组的四个角元素是：')
print(y)
输出结果为：
我们的数组是：
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
这个数组的四个角元素是：
[[ 0 2]
[ 9 11]]
返回的结果是包含每个角元素的 ndarray 对象。
可以借助切片 ：或 … 与索引数组组合。如下面例子：
实例：
import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = a[1:3,1:3]
c = a[1:3,[1,2]]
d = a[...,1:]
print(b)
print(c)
print(d)
输出结果为：
[[5 6]
[8 9]]
[[5 6]
[8 9]]
[[2 3]
[5 6]
[8 9]]
布尔索引
我们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）来获取指定条件的元素的数组。
以下实例获取大于5的元素：
import numpy as np
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print('我们的数组是：')
print(x)
print('\n')
# 现在我们会打印出大于5的元素
print('大于5的元素是：')
print(x[x > 5])
输出结果为：
我们的数组是：
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
大于5的元素是：
[ 6 7 8 9 10 11]
以下实例使用了 ~ （取补运算符）来过滤NaN.
实例
import numpy as np
a = np.array([np.nan, 1,2,np.nan,3,4,5])
print(a[~np.isnan(a)])
输出结果为：
[1. 2. 3. 4. 5.]
以下实例演示如何从数组中过滤掉非复数元素。
实例：
import numpy as np
a = np.array([1, 2+6j, 5, 3.5+5j])
# 取出复数的内容
print(a[np.iscomplex(a)])
输出如下：
[2. +6.j 3.5+5.j]
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位置的元素；如果目标是二维数组，那么就是对应下标的行。
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
实例
import numpy as np
x = np.arange(32).reshape(8,4)
print(x)
print("---分别取出第4+1,2+1,1+1,7+1行的数据---")
print(x[[4,2,1,7]])
输出结果为：
[[ 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]]
---分别取出第4+1,2+1,1+1,7+1行的数据---
[[16 17 18 19]
[ 8 9 10 11]
[ 4 5 6 7]
[28 29 30 31]]
2、传入倒叙索引数组
import numpy as np
x = np.arange(32).reshape(8,4)
print(x)
print("---分别取出第-4,-2,-1,-7行的数据---")
print(x[[-4,-2,-1,-7]])
输出结果为：
[[ 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]]
---分别取出第4+1,2+1,1+1,7+1行的数据---
[[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_）
import numpy as np
x = np.arange(32).reshape((8,4))
print(x)
"""
分别取出1,5,7，2行的第0列，第3列，第1列，第2列
"""
print(x[np.ix_([1,5,7,2],[0,3,1,2])])
输出结果为：
[[ 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 7 5 6]
[20 23 21 22]
[28 31 29 30]
[ 8 11 9 10]]
