1. WIKI教程
2. 学习Numpy
3. 数值范围中的数组(Array From Numerical Ranges)

数值范围中的数组(Array From Numerical Ranges)

可以从ndarray中选择非元组序列，整数或布尔数据类型的ndarray对象，或者至少有一个项目是序列对象的元组。 高级索引始终返回数据的副本。 与此相反，切片仅呈现视图。

高级索引有两种类型 - Integer和Boolean 。

整数索引

此机制有助于根据其N维索引选择数组中的任意项。 每个整数数组表示该维度的索引数。 当索引由与目标ndarray的维度一样多的整数数组组成时，它变得简单明了。

在以下示例中，选择了ndarray对象的每一行中指定列的一个元素。 因此，行索引包含所有行号，列索引指定要选择的元素。

例子1 (Example 1)

import numpy as np 
x = np.array([[1, 2], [3, 4], [5, 6]]) 
y = x[[0,1,2], [0,1,0]] 
print y

其产出如下 -

[1  4  5]

该选择包括来自第一阵列的（0,0），（1,1）和（2,0）处的元素。

在以下示例中，选择放置在4X3阵列角落的元素。 选择的行索引是[0,0]和[3,3]，而列索引是[0,2]和[0,2]。

例子2 (Example 2)

import numpy as np 
x = np.array([[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11]]) 
print 'Our array is:' 
print x 
print '\n' 
rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]]) 
y = x[rows,cols] 
print 'The corner elements of this array are:' 
print y

该计划的产出如下 -

Our array is:                                                                 
[[ 0  1  2]                                                                   
 [ 3  4  5]                                                                   
 [ 6  7  8]                                                                   
 [ 9 10 11]]
The corner elements of this array are:                                        
[[ 0  2]                                                                      
 [ 9 11]] 

结果选择是包含角元素的ndarray对象。

可以通过使用带有索引数组的一个切片（:)或省略号（...）来组合高级和基本索引。 以下示例使用slice for row和advanced index for column。 当切片用于两者时，结果是相同的。 但高级索引会导致复制，并且可能具有不同的内存布局。

例子3 (Example 3)

import numpy as np 
x = np.array([[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11]]) 
print 'Our array is:' 
print x 
print '\n'  
# slicing 
z = x[1:4,1:3] 
print 'After slicing, our array becomes:' 
print z 
print '\n'  
# using advanced index for column 
y = x[1:4,[1,2]] 
print 'Slicing using advanced index for column:' 
print y

该计划的产出如下 -

Our array is:
[[ 0  1  2] 
 [ 3  4  5] 
 [ 6  7  8]
 [ 9 10 11]]
After slicing, our array becomes:
[[ 4  5]
 [ 7  8]
 [10 11]]
Slicing using advanced index for column:
[[ 4  5]
 [ 7  8]
 [10 11]] 

布尔数组索引

当结果对象是布尔运算的结果（例如比较运算符）时，将使用此类高级索引。

例子1 (Example 1)

在此示例中，作为布尔索引的结果，返回大于5的项。

import numpy as np 
x = np.array([[ 0,  1,  2],[ 3,  4,  5],[ 6,  7,  8],[ 9, 10, 11]]) 
print 'Our array is:' 
print x 
print '\n'  
# Now we will print the items greater than 5 
print 'The items greater than 5 are:' 
print x[x > 5]

该计划的产出将是 -

Our array is: 
[[ 0  1  2] 
 [ 3  4  5] 
 [ 6  7  8] 
 [ 9 10 11]] 
The items greater than 5 are:
[ 6  7  8  9 10 11] 

例子2 (Example 2)

在此示例中，使用〜（补码运算符）省略了NaN（非数字）元素。

import numpy as np 
a = np.array([np.nan, 1,2,np.nan,3,4,5]) 
print a[~np.isnan(a)]

它的输出是 -

[ 1.   2.   3.   4.   5.] 

例子3 (Example 3)

以下示例显示如何从数组中过滤掉非复杂元素。

import numpy as np 
a = np.array([1, 2+6j, 5, 3.5+5j]) 
print a[np.iscomplex(a)]

这里的输出如下 -

[2.0+6.j  3.5+5.j]