Python Numpy索引及切片的使用方法是什么

这篇文章主要介绍“Python Numpy索引及切片的使用方法是什么”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“Python Numpy索引及切片的使用方法是什么”文章能帮助大家解决问题。

1. 索引及切片

数组中的元素可以通过索引以及切片的手段进行访问或者修改，和列表的切片操作一样。

下面直接使用代码进行实现，具体操作方式以及意义以代码注释为准：

（1）通过下标以及内置函数进行索引切片

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
a = np.arange(10)#创建一个从0-9的一维数组
print(a)
i = slice(2, 7, 2)#从2开始到7结束，每隔1个元素进行索引，即start为1，stop为7，step为2
print(a[i])

得到的输出如下：

（2）使用冒号分隔参数进行切片索引

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
a = np.arange(10)#创建一个从0-9的一维数组
print(a[2:7:2])#将起始、结束、步长使用冒号进行分割，表示索引切片

得到的输出如下：

（3）对部分元素进行索引并切片

a. 切取中间的一段

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
a = np.arange(10)#创建一个从0-9的一维数组
print(a[2:5])#从2-5进行切片

得到输出如下：

b. 切取某一个元素后的全部

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
a = np.arange(10)#创建一个从0-9的一维数组
print(a[3:])#从3开始进行打印，直到打印完整个数组

得到输出如下：

（4）对多维数组进行索引切片

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print('从数组索引a[2:]处开始切片：')
print(b[2:])
print('数组第二列进行切片：')
print(b[..., 2])
print('数组第二行进行切片：')
print(b[2, ...])
print('从第二列开始切片：')
print(b[..., 1:])

得到输出如下：

2. 高级索引

（1）整数数组索引

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
c = b[[1, 0], [1, 0]]
print('对数组(1，1)和(0，0)处的元素进行索引切片：')
print(c)

得到输出如下：

（2）布尔索引

通过一个布尔数组来索引目标数组，布尔数组可以通过布尔运算得到符合条件的数组元素。

如下我们可以提取一个数组中不小于5的数：

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
a = np.array([[1, 2, 3, 5], [6, 9, 2, 0], [9, 3, 2, 7]])
print('数组中不小于5的数如下：')
print(a[a >= 5])

得到输出如下：

（3）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下标的行，如果目标是二维数组，那么就是对应位置的元素。花式索引跟切片不一样，它总是将数据复制到新数组中。

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
x = np.arange(32).reshape((8, 4))
print('生成的数组为：')
print(x)
print('传入顺序索引数组：')
print(x[[4, 2, 1, 7]])
print('传入倒序索引数组：')
print(x[[-4, -2, -1, -1]])
print('传入多个索引数组：')
print(x[np.ix_([1, 5, 7, 2], [0, 3, 1, 2])])#输出的是两个向量不同维度组合的值

得到输出如下：

关于“Python Numpy索引及切片的使用方法是什么”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注亿速云行业资讯频道，小编每天都会为大家更新不同的知识点。