ndarray花式索引

花式索引

花式索引(Fancy indexing)是一個NumPy術語,它指的是利用整數數組進行索引。假設咱們有一個8×4數組:數組

In [117]: arr = np.empty((8, 4))

In [118]: for i in range(8):
   .....:     arr[i] = i

In [119]: arr
Out[119]: 
array([[ 0.,  0.,  0.,  0.],
       [ 1.,  1.,  1.,  1.],
       [ 2.,  2.,  2.,  2.],
       [ 3.,  3.,  3.,  3.],
       [ 4.,  4.,  4.,  4.],
       [ 5.,  5.,  5.,  5.],
       [ 6.,  6.,  6.,  6.],
       [ 7.,  7.,  7.,  7.]])

爲了以特定順序選取行子集,只需傳入一個用於指定順序的整數列表或ndarray便可:spa

In [120]: arr[[4, 3, 0, 6]]
Out[120]: 
array([[ 4.,  4.,  4.,  4.],
       [ 3.,  3.,  3.,  3.],
       [ 0.,  0.,  0.,  0.],
       [ 6.,  6.,  6.,  6.]])

這段代碼確實達到咱們的要求了!使用負數索引將會從末尾開始選取行:code

In [121]: arr[[-3, -5, -7]]
Out[121]: 
array([[ 5.,  5.,  5.,  5.],
       [ 3.,  3.,  3.,  3.],
       [ 1.,  1.,  1.,  1.]])

一次傳入多個索引數組會有一點特別。它返回的是一個一維數組,其中的元素對應各個索引元組:索引

In [122]: arr = np.arange(32).reshape((8, 4))

In [123]: arr
Out[123]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19],
       [20, 21, 22, 23],
       [24, 25, 26, 27],
       [28, 29, 30, 31]])

In [124]: arr[[1, 5, 7, 2], [0, 3, 1, 2]]
Out[124]: array([ 4, 23, 29, 10])

附錄A中會詳細介紹reshape方法。方法

最終選出的是元素(1,0)、(5,3)、(7,1)和(2,2)。不管數組是多少維的,花式索引老是一維的。數據

這個花式索引的行爲可能會跟某些用戶的預期不同(包括我在內),選取矩陣的行列子集應該是矩形區域的形式纔對。下面是獲得該結果的一個辦法:co

In [125]: arr[[1, 5, 7, 2]][:, [0, 3, 1, 2]]
Out[125]: 
array([[ 4,  7,  5,  6],
       [20, 23, 21, 22],
       [28, 31, 29, 30],
       [ 8, 11,  9, 10]])

記住,花式索引跟切片不同,它老是將數據複製到新數組中。術語

相關文章
相關標籤/搜索