NumPy 高级索引
可以从 ndarray 中进行选择，它是非元组序列、整数或布尔数据类型的 ndarray 对象，或者至少有一项是序列对象的元组。高级索引总是返回数据的副本。与此相反，切片仅呈现视图。
有两种类型的高级索引：整型和布尔。
整型索引
这种机制有助于根据其 N 维索引选择数组中的任意项。每个整数数组表示该维度的索引数。当索引由与目标 ndarray 的维度一样多的整数数组组成时，它变得很简单。
在以下示例中，从 ndarray 对象的每一行中选择指定列的一个元素。因此，行索引包含所有行号，列索引指定要选择的元素。
示例 1
import numpy as np x = np.array([[1, 2], [3, 4], [5, 6]]) y = x[[0,1,2], [0,1,0]] print y
它的输出如下：
[1 4 5]
选择包括第一个数组中 (0,0)、(1,1) 和 (2,0) 处的元素。
在以下示例中，选择了放置在 4X3 阵列角上的元素。选择的行索引是 [0, 0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]。
示例 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
这个程序的输出如下：
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]]
结果选择是一个包含角元素的 ndarray 对象。
高级和基本索引可以通过使用一个切片 (:) 或省略号 (...) 与索引数组来组合。下面的示例使用切片作为行，使用高级索引作为列。当切片用于两者时，结果是相同的。但是高级索引会导致复制并且可能具有不同的内存布局。
示例 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
该程序的输出如下：
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]]
布尔数组索引
当结果对象是布尔运算(例如比较运算符)的结果时，将使用这种类型的高级索引。
示例 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]
这个程序的输出将是：
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]
示例 2
在此示例中，使用 ~(补码运算符)省略了 NaN(非数字)元素。
import numpy as np a = np.array([np.nan, 1,2,np.nan,3,4,5]) print a[~np.isnan(a)]
它的输出将是：
[ 1. 2. 3. 4. 5.]
示例 3
以下示例显示如何从数组中过滤掉非复杂元素。
import numpy as np a = np.array([1, 2+6j, 5, 3.5+5j]) print a[np.iscomplex(a)]
这里，输出如下：
[2.0+6.j 3.5+5.j]