【numpy基础】--数组索引
数组索引是指在numpy数组中引用特定元素的方法。numpy的数组索引又称为fancy indexing，比其他编程语言的索引强大很多。
1. 选取数据
numpy的索引除了像其他语言一样选择一个元素，还可以间隔着选取多个元素，也可以用任意的顺序选取元素。
比如一维数组：
arr = np.random.randint(0, 10, 5)
print(arr)
#运行结果
indexes =
print(arr)
#运行结果
indexes =
print(arr)
#运行结果
从上面的示例看出，通过传入 indexes 数组，可以一次选择多个元素。
indexes 数组中的值代表数组arr的下标，从0开始。
对于二维数组：
arr = np.random.randint(0, 10, (5,5))
print(arr)
#运行结果
[
]
rows = np.array()
cols = np.array()
print(arr)
#运行结果
这里 rows 和 cols 分别代表行和列的索引，从0开始。
运行结果选取的是单个元素，分别是：arr，arr，arr。
如果要从二维数组中通过选取行列，而不是选取单个元素的话：
arr = np.random.randint(0, 10, (5,5))
print(arr)
#运行结果
[
]
rows = np.array()
cols = np.array()
arr, cols]
#运行结果
[
]arr, cols] 是先选取3,1,4 行，得到：
[
]
然后选取3,0,1 列，得到：
[
]
2. 与切片结合
fancy indexing可以和之前数组的切片操作相结合：
arr = np.random.randint(0, 10, (5,5))
print(arr)
#运行结果
[
]
rows = np.array()
cols = np.array()
#切片在行上
print(arr[:2, cols])
#运行结果
[
]
#切片在列上
print(arr)
#运行结果
[
]arr[:2, cols] 先选择前2行，然后按照 cols 顺序选择列。
arr 按照 rows 顺序选择行，然后选择后4列。
3. 与掩码结合
fancy indexing也可以和之前介绍的掩码相结合来过滤数组：
arr = np.random.randint(0, 10, (5,5))
print(arr)
#运行结果
[
]
rows = np.array()
mask = np.array()
print(arr, mask])
#运行结果
[
]arr, mask] 先按照 rows 的顺序选择行，然后用mask过滤掉 False 的列。
最后剩下的是 3,1,4 行的 第一列和**最后一列**。
4. 修改数据
最后，fancy indexing还有个重要的作用是修改数据，我们通过fancy indexing选取数据之后，可以直接修改它们。
arr = np.random.randint(0, 10, (5,5))
print(arr)
#运行结果
[
]
rows = np.array()
cols = np.array()
arr = * len(arr)
print(arr)
#运行结果
[
]上面的示例中，将fancy indexing选取出的值修改为100。
注意， * len(arr) 这个代码是根据fancy indexing选取出的元素个数来决定将几个值修改成100。
5. 总结回顾
numpy数组索引的意义在于它可以使数组中的数据更加灵活和易于管理。
通过使用索引，开发人员可以快速访问数组中的特定元素，而不需要遍历整个数组。
这可以大大加快计算速度和减少内存使用。
此外，数组索引还可以用于数组的重构和维护。
通过对数组索引的有效使用，开发人员可以轻松地修改和维护数组中的数据，而不会影响到其他使用该数组的程序。
来源:https://www.cnblogs.com/wang_yb/p/17520930.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]