數(shù)值索引

數(shù)值索引類似列表索引操作使用[]，參數(shù)為下標(biāo)，[0,len-1),高維數(shù)組的索引使用多個[]連用分別代表一維索引，二維索引...

import numpy as np
import torchnp.random.seed(1)
data1 = np.arange(5)
data2 = np.arange(15).reshape(3,5)
print(data1,end='\n\n')
print(data2,end='\n\n')print(data1[1])
print(data2[1][2])# [0 1 2 3 4]
# 
# [[ 0  1  2  3  4]
#  [ 5  6  7  8  9]
#  [10 11 12 13 14]]
# 
# 1
# 7

列表索引

列表索引在list中不支持，但ndarray可用

列表索引可以將多個索引合在一個列表中作為索引參數(shù)

格式為[dim1_index,dim2_index...]

同樣也可以將列表換為ndarray或切片形式

import numpy as np
import torchnp.random.seed(1)
data1 = np.arange(5)
data2 = np.arange(15).reshape(3,5)
print(data1,end='\n\n')
print(data2,end='\n\n')print(data1[[0,1,3]])
print(data2[[0,1],[1,3]])print(data2[:,[1,2]])# [0 1 2 3 4]
# 
# [[ 0  1  2  3  4]
#  [ 5  6  7  8  9]
#  [10 11 12 13 14]]
# 
# [0 1 3]
# [1 8]
# [[ 1  2]
#  [ 6  7]
#  [11 12]]

注意如果列表索引中若使用二維數(shù)組作為索引列表，則會分別取出該維度對應(yīng)索引中的所有元素

import numpy as np
import torchnp.random.seed(1)
data1 = np.arange(5)
data2 = np.arange(15).reshape(3,5)
print(data2[[[0],[1]],[2,3]])
print(data2[[0,1],[2,3]])# [[2 3]
#  [7 8]]
# [2 8]

這里可以看到[[0],[1]]是把該維度所有元素取出再進(jìn)行下一維度的索引，而若只使用[0,1]則會與下一維度的索引列表進(jìn)行兩兩匹配

布爾索引

布爾索引就是把索引列表換為布爾列表，該列表要與被索引的列表等長，值為True則對應(yīng)位置保留。

import numpy as np
import torchnp.random.seed(1)
data1 = np.arange(5)
data2 = np.arange(15).reshape(3,5)
print(data1[[True,True,False,True,False]])
# [0 1 3]

同樣我們可以設(shè)置條件篩選來返回布爾列表，然后重新進(jìn)行索引

import numpy as np
import torchnp.random.seed(1)
data1 = np.arange(5)
data2 = np.arange(15).reshape(3,5)
print(data2,end='\n\n')print(data2>5)print(data2[data2 > 5])# [[ 0  1  2  3  4]
#  [ 5  6  7  8  9]
#  [10 11 12 13 14]]
# 
# [[False False False False False]
#  [False  True  True  True  True]
#  [ True  True  True  True  True]]
# [ 6  7  8  9 10 11 12 13 14]