NumPy的索引技巧有哪些

NumPy是一个强大的Python库，用于处理大型多维数组和矩阵。以下是一些NumPy的索引技巧：

基本索引

1. 单个元素索引：

   import numpy as np
   arr = np.array([1, 2, 3, 4, 5])
   print(arr[0])  # 输出: 1
   

2. 切片索引：

   print(arr[1:4])  # 输出: [2 3 4]
   

3. 负数索引：

   print(arr[-1])  # 输出: 5
   

多维数组索引

1. 使用元组进行多维索引：

   arr_2d = np.array([[1, 2], [3, 4]])
   print(arr_2d[0, 1])  # 输出: 2
   

2. 切片多维数组：

   print(arr_2d[0:1, 1:2])  # 输出: [[2]]
   

3. 使用冒号表示所有元素：

   print(arr_2d[:, 1])  # 输出: [2 4]
   

布尔索引

1. 使用布尔数组进行索引：

   bool_arr = arr > 3
   print(arr[bool_arr])  # 输出: [4 5]
   

2. 组合多个条件：

   combined_bool = (arr > 2) & (arr < 5)
   print(arr[combined_bool])  # 输出: [3 4]
   

花式索引

1. 使用整数数组进行索引：

   indices = np.array([0, 2])
   print(arr[indices])  # 输出: [1 3]
   

2. 使用整数数组进行多维索引：

   indices_2d = np.array([[0, 1], [1, 0]])
   print(arr_2d[indices_2d])  # 输出: [2 3]
   

高级索引技巧

1. 使用np.where函数：

   result = np.where(arr > 3, arr, -1)
   print(result)  # 输出: [-1 -1 -1  4  5]
   

2. 使用np.take函数：

   print(np.take(arr, [1, 3]))  # 输出: [2 4]
   

3. 使用np.compress函数：

   compressed_arr = np.compress(arr > 3, arr)
   print(compressed_arr)  # 输出: [4 5]
   

4. 使用np.where结合赋值：

   arr[arr > 3] = 0
   print(arr)  # 输出: [1 2 3 0 0]
   

这些技巧可以帮助你更高效地操作和处理NumPy数组。根据具体需求选择合适的索引方法，可以大大提高代码的性能和可读性。