4.9　高级索引

NumPy会比一般的Python序列提供更多的索引方式。除了之前看到的用整数和切片的索引外，还可以有整数数组索引、布尔索引及花式索引。

4.9.1　整数数组索引

整数数组索引可以是一维或多维的，取决于原始数组的维度。对于一维数组，整数数组索引可以是任意整数值。对于多维数组，整数数组索引应该是一个包含与原始数组相同维度的整数值的数组。

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)

输出结果为：

[1  4  5]

以下实例获取了4×3数组中4个角的元素。行索引是[0,0]和[3,3]，列索引是[0,2]和[0,2]。

x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])
print ('我们的数组是：' )
print (x)
print ('\n')
rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])
y = x[rows,cols]
print  ('这个数组的四个角元素是：')
print (y)

输出结果为：

我们的数组是：
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]
这个数组的四个角元素是：
[[ 0  2]
 [ 9 11]]

返回的结果是包含每个角元素的ndarray对象。

此外，可以将切片（:）或…与索引数组组合，例如：

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)

输出结果为：

[[5 6]
 [8 9]]
[[5 6]
 [8 9]]
[[2 3]
 [5 6]
 [8 9]]

4.9.2　布尔索引

可以通过一个布尔数组来索引目标数组。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 ('我们的数组是：')
print (x)
print ('\n')
print  ('大于5的元素是：')  # 现在我们会打印出大于5的元素
print (x[x >  5])

输出结果为：

我们的数组是：
[[ 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]

以下实例使用~（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)])

输出结果为：[1. 2. 3. 4. 5.]。

以下实例演示如何从数组中过滤非复数元素：

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

输出结果为：[2. +6.j 3.5+5.j]。

4.9.3　花式索引

花式索引将索引数组的值作为目标数组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，那么索引的结果是对应下标的行；如果目标是二维数组，那么索引的结果是对应位置的元素。花式索引跟切片不一样，它总是将数据复制到新数组中。

比如传入顺序索引数组：

x=np.arange(32).reshape((8,4))
print (x[[4,2,1,7]])

输出结果为：

[[16 17 18 19]
 [ 8  9 10 11]
 [ 4  5  6  7]
 [28 29 30 31]]

传入倒序索引数组：

x=np.arange(32).reshape((8,4))
print (x[[-4,-2,-1,-7]])

输出结果为：

[[16 17 18 19]
 [24 25 26 27]
 [28 29 30 31]
 [ 4  5  6  7]]

传入多个索引数组（要使用np.ix_）：

x=np.arange(32).reshape((8,4))
print (x[np.ix_([1,5,7,2],[0,3,1,2])])

输出结果为： dQdw7zHCxNzGs0IZ+E8jlMaPqPWeexbBswo43SDyiUxULHkmRfBYUurMgHVFOpVy

[[ 4  7  5  6]
 [20 23 21 22]
 [28 31 29 30]
 [ 8 11  9 10]]