Numpy 简明教程
NumPy - Advanced Indexing
可以从 ndarray 中进行选择，ndarray 是非元组序列、整数或布尔数据类型的 ndarray 对象，或元组，其中至少有一项是序列对象。高级索引始终返回数据的副本。与此相反，切片只呈现视图。
有两种高级索引类型： Integer 和 Boolean 。
Integer Indexing
此机制有助于根据其 N 维度索引选择数组中的任何任意项目。每个整数数组表示该维度中索引的数量。当索引包含的整数数组数与目标 ndarray 的维度一样多时，它就会变得简单。
在以下示例中，从 ndarray 对象的每行中选择指定列的一个元素。因此，行索引包含所有行号，并且列索引指定要选择的元素。
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其输出如下所示 −
[1 4 5]从第一个数组中选择了 (0,0)、(1,1) 和 (2,0) 处的元素。
在以下示例中，选择了放置在 4X3 数组边角处的元素。选择的行索引是 [0, 0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]。
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此程序的输出如下 -
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]]结果选择是包含边角元素的 ndarray 对象。
可以通过将一片 (:) 或省略号 (…) 与索引数组一起使用，将高级和基本索引结合起来。以下示例对行使用切片，对列使用高级索引。当对两者使用切片时，结果相同。但是，高级索引会导致副本，并且可能有不同的内存布局。
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此程序的输出如下：
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]]Boolean Array Indexing
此类高级索引在结果对象应该是布尔运算结果（例如比较运算符）时使用。
Example 1
在此示例中，大于 5 的项目作为布尔索引的结果返回。
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]此程序的输出如下：
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]