如果一個(gè)ndarray是非元組序列，數(shù)據(jù)類型為整數(shù)或布爾值的ndarray，或者至少一個(gè)元素為序列對(duì)象的元組，我們就能夠用它來索引ndarray。高級(jí)索引始終返回?cái)?shù)據(jù)的副本。與此相反，切片只提供了一個(gè)視圖。

有兩種類型的高級(jí)索引：整數(shù)和布爾值。

整數(shù)索引

這種機(jī)制有助于基于 N 維索引來獲取數(shù)組中任意元素。每個(gè)整數(shù)數(shù)組表示該維度的下標(biāo)值。當(dāng)索引的元素個(gè)數(shù)就是目標(biāo)ndarray的維度時(shí)，會(huì)變得相當(dāng)直接。

以下示例獲取了ndarray對(duì)象中每一行指定列的一個(gè)元素。因此，行索引包含所有行號(hào)，列索引指定要選擇的元素。

示例 1

import numpy as np 

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

輸出如下：

[1  4  5]

該結(jié)果包括數(shù)組中(0,0)，(1,1)和(2,0)位置處的元素。

下面的示例獲取了 4X3 數(shù)組中的每個(gè)角處的元素。行索引是[0,0]和[3,3]，而列索引是[0,2]和[0,2]。

示例 2

import numpy as np 
x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
print  '我們的數(shù)組是：'  
print x 
print  '\n' 
rows = np.array([[0,0],[3,3]]) 
cols = np.array([[0,2],[0,2]]) 
y = x[rows,cols]  
print  '這個(gè)數(shù)組的每個(gè)角處的元素是：'  
print y

輸出如下：

我們的數(shù)組是：                                                                 
[[ 0  1  2]                                                                   
 [ 3  4  5]                                                                   
 [ 6  7  8]                                                                   
 [ 9 10 11]]

這個(gè)數(shù)組的每個(gè)角處的元素是：                                      
[[ 0  2]                                                                      
 [ 9 11]]

返回的結(jié)果是包含每個(gè)角元素的ndarray對(duì)象。

高級(jí)和基本索引可以通過使用切片:或省略號(hào)...與索引數(shù)組組合。以下示例使用slice作為列索引和高級(jí)索引。當(dāng)切片用于兩者時(shí)，結(jié)果是相同的。但高級(jí)索引會(huì)導(dǎo)致復(fù)制，并且可能有不同的內(nèi)存布局。

示例 3

import numpy as np 
x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
print  '我們的數(shù)組是：'  
print x 
print  '\n'  
# 切片
z = x[1:4,1:3]  
print  '切片之后，我們的數(shù)組變?yōu)椋?#39;  
print z 
print  '\n'  
# 對(duì)列使用高級(jí)索引 
y = x[1:4,[1,2]] 
print  '對(duì)列使用高級(jí)索引來切片：'  
print y

輸出如下：

我們的數(shù)組是：
[[ 0  1  2] 
 [ 3  4  5] 
 [ 6  7  8]
 [ 9 10 11]]

切片之后，我們的數(shù)組變?yōu)椋?[[ 4  5]
 [ 7  8]
 [10 11]]

對(duì)列使用高級(jí)索引來切片：
[[ 4  5]
 [ 7  8]
 [10 11]]

布爾索引

當(dāng)結(jié)果對(duì)象是布爾運(yùn)算(例如比較運(yùn)算符)的結(jié)果時(shí)，將使用此類型的高級(jí)索引。

示例 1

這個(gè)例子中，大于 5 的元素會(huì)作為布爾索引的結(jié)果返回。

import numpy as np 
x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
print  '我們的數(shù)組是：'  
print x 
print  '\n'  
# 現(xiàn)在我們會(huì)打印出大于 5 的元素  
print  '大于 5 的元素是：'  
print x[x >  5]

輸出如下：

我們的數(shù)組是：
[[ 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]

示例 2

這個(gè)例子使用了~(取補(bǔ)運(yùn)算符)來過濾NaN。

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

輸出如下：

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

示例 3

以下示例顯示如何從數(shù)組中過濾掉非復(fù)數(shù)元素。

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

輸出如下：

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

上一篇：NumPy數(shù)組創(chuàng)建例程下一篇：NumPy數(shù)組操作