python NumPy库学习笔记二
引言
继续学习numpy库。
主要内容为NumPy 切片和索引
NumPy 切片和索引
ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。
ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。
通过slice()函数进行切片
slice()函数是内置的函数，slice() 函数实现切片对象，主要用在切片操作函数里的参数传递。
import numpy as np
a = np.arange(10)
s = slice(2,7,2)
print(a)
[0 1 2 3 4 5 6 7 8 9]
print(a[s])
[2 4 6]通过冒号: 以及...进行切片
也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作：
import numpy as np
a = np.arange(10)
b = a[2:7:2] # 从索引 2 开始到索引 7 停止，间隔为 2
print(b)
# out [2 4 6]冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。
a = np.arange(10) # [0 1 2 3 4 5 6 7 8 9]
b = a[5]
print(b)
5
print(a[2:])
[2 3 4 5 6 7 8 9]
print(a[2:5])
[2 3 4]多维数组同样适用上述索引提取方法：
切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a[1:])
[[3 4 5]
[4 5 6]]
print (a[...,1]) # 第2列元素
[2 4 5]
print (a[1,...]) # 第2行元素
[3 4 5]
print (a[...,1:]) # 第2列及剩下的所有元素
[[2 3]
[4 5]
[5 6]]冒号切片的用法，有些类似与R语言中的数据框切片的用法。
NumPy 高级索引
除了上述介绍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
使用整数数组进行索引一个已存在的数组，返回一个包含所取元素的 ndarray 对象。
import numpy as np
# 以下实例获取数组中(0,0)，(1,1)和(2,0)位置处的元素。
x = np.array([[1, 2], [3, 4], [5, 6]])
y = x[[0,1,2], [0,1,0]]
print (y)
Out[164]:[1 4 5]
type(y)
Out[165]: numpy.ndarray
# 以下实例获取数组4*3数组的四个角的元素。
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])
y = x[rows,cols]
print (y)
[[ 0 2]
[ 9 11]]
type(y)
Out[169]: numpy.ndarray
type(rows)
Out[170]: numpy.ndarray
#结合: 和...进行索引
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)布尔索引
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。
# 以下实例获取大于 5 的元素：
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print (x[x > 5])
# 以下实例使用了 ~（取补运算符）来过滤 NaN。
a = np.array([np.nan, 1,2,np.nan,3,4,5])
print (a[~np.isnan(a)])
# 以下实例演示如何从数组中过滤掉非复数元素。
a = np.array([1, 2+6j, 5, 3.5+5j])
print (a[np.iscomplex(a)])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。
x=np.arange(32).reshape((8,4))
print(x)
[[ 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]]
# 1. 传入顺序索引数组，即取相应的行
print (x[[4,2,1,7]])
[[16 17 18 19]
[ 8 9 10 11]
[ 4 5 6 7]
[28 29 30 31]]
# 2. 传入倒序索引数组，即倒着数取相应的行
print (x[[-4,-2,-1,-7]])
[[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_），即第一个数组是对应的行，第二个数组是对应的列
print (x[np.ix_([1,5,7,2],[0,3,1,2])])
[[ 4 7 5 6]
[20 23 21 22]
[28 31 29 30]
[ 8 11 9 10]]