Numpy 索引

索引、切片

基本切片、索引

• 基本切片[Slice]start:stop:step（基本同原生类型切片）

  • start、stop负值时，按维度长取正模
  • step>0时，start缺省为0、stop缺省为维度长N
  • step<0时，start缺省为N-1、stop缺省为-N-1
  • stop、start可以超过维度长N

• Ellipsis/...：放在切片中表示选择所有

  • ...存在的场合，结果总是数组而不是数组标量，即使其 没有大小

• np.newaxis/None：为切片生成数组在所在位置添加长度为 1的维度

• 切片可以用于设置数组中的值

• 基本切片可认为是依次对各维度切片，若靠前维度为索引，则 可以把靠前维度独立出来
• 基本切片生成的所有数组始终是原始数组的视图，也因此存在 切片引用的数组内存不会被释放
• 注意：基本索引可用于改变数组的值，但是返回值不是对数组 中对应值的引用

高级索引

• 选择对象为以下类型时会触发高级索引

  • 非元组序列
  • ndarray（整形或boolean类型）
  • 包含至少一个序列、ndarray（整型或boolean类型）的 元组

• 高级索引总是返回数据的副本

  • 高级索引结果不能保证任何内存布局

整数索引

• 整数索引X[obj]允许根据其各维度索引选择数组X任意元素

  • 各整数索引（数组）表示对应维度的索引
  • 各维度索引迭代、连接得到各元素位置：zip(obj*)
  • 索引维数小于数组维数时，以子数组作为元素 （可以理解为索引和数组高维对齐后广播）

• 整数索引结果shape由obj中各维度索引shape决定

  • 整数索引obj中各维度索引数组会被广播
    • 各维度索引shape可能不同
    • 为保证各维度索引能正常迭代选取元素，各维度索引 shape需要能被广播、符合广播要求
  • 则高级索引出现场合
    • “普通索引（标量值）”不存在，必然被广播
    • 切片能够共存

• 切片（包括np.newaxis）和高级索引共存时

  • 高级索引特点导致其结果维度不可割
    • “标量索引”本应削减该维度
    • 而高级索引整体（广播后）决定唯一shape
  • 高级索引结果维度应整体参与结果构建
    • 高级索引被切片分割：高级索引结果维度整体提前
    • 高级索引相邻：高级索引结果维度填充至该处

• 高级索引操作结果中无元素，但单个维度索引越界的错误未定义
• 高级索引结果内存布局对每个索引操作有优化，不能假设特定 内存顺序

X = np.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]])
rows = [0, 3]
cols = [0, 2]
 # 整数索引
X[np.ix_(rows, cols)]
 # 整数索引数组
X[[[1,2],[2,1]],:]
X.take([[1,2],[2,1]], axis=0)

Boolean索引

• Boolean索引obj选择其中True处位置对应元素

  • 索引obj维数较数组X小，直接抽取子数组作为元素 （可以理解为索引和数组高维对齐后广播）
  • 索引obj在超出数组X.shape范围处有True值，会引发 索引错误
  • 索引obj在X.shape内未填充处等同于填充False

• Boolean索引通过.nonezero方法转换为高级整数索引实现

  • Boolean索引等价于True数量长的1维整数索引
    • X[..,bool_obj,..]等价于 X[..,bool_obj.nonzero(),..]
    • Boolean索引总是削减对应索引，展开为1维
  • Boolean索引、高级整数索引共同存在场合行为诡异
    • Boolean索引转换为等价的整数索引
    • 整数索引需要广播兼容转换后整数索引
    • 整数索引、转换后整数索引整体得到结果

• 索引obj和数组X形状相同计算速度更快

字段名称形式访问

• ndarray中元素为结构化数据类型时，可以使用字符串索引 访问
  • 字段元素非子数组时
    • 其shape同原数组
    • 仅包含该字段数据
    • 数据类型为该字段数据类型
  • 字段元素为子数组时
    • 子数组shape会同原数组shape合并
  • 支持字符串列表形式访问
    • 返回数组视图而不是副本（Numpy1.6后）