Python NumPy 数组中的基本切片和高级索引

NumPy 数组的切片和高级索引：灵活访问和操作数组元素

什么是 NumPy？

NumPy（Numerical Python）是一个强大的 Python 库，专门用于科学计算和数据处理。它提供了一系列工具和功能，使我们能够高效地处理多维数据，称为数组。

NumPy 数组的基本切片

NumPy 数组的基本切片与 Python 列表的切片非常相似。我们可以使用 [start:stop:step] 语法来指定切片范围，其中：

• start 是切片起始位置（包含）
• stop 是切片结束位置（不包含）
• step 是切片步长

代码示例：

import numpy as np

# 创建一个 NumPy 数组
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 基本切片
print(array[1:])  # 从索引 1 开始，到最后
print(array[:2])  # 从开始到索引 2 结束
print(array[1:3])  # 从索引 1 开始，到索引 3 结束（不包含索引 3）
print(array[::2])  # 步长为 2
print(array[::-1])  # 反转数组

输出：

[[4 5 6]
 [7 8 9]]
[[1 2 3]
 [4 5 6]]
[[4 5 6]
 [7 8 9]]
[[1 3 5 7 9]
 [2 4 6 8]]
[[9 8 7]
 [6 5 4]
 [3 2 1]]

NumPy 数组的高级索引

除了基本切片之外，NumPy 还提供了高级索引功能，使我们能够更加灵活地访问和操作数组中的元素。高级索引可以使用布尔索引、整数索引和花式索引来实现。

布尔索引

布尔索引使用一个布尔数组来选择满足条件的元素。例如，以下代码使用布尔索引选择 array 中所有大于 5 的元素：

代码示例：

# 布尔索引
print(array[array > 5])

输出：

[6 7 8 9]

整数索引

整数索引使用一个整数数组来选择相应的元素。例如，以下代码使用整数索引选择 array 中索引为 0 和 2 的元素：

代码示例：

# 整数索引
print(array[[0, 2]])

输出：

[[1 2 3]
 [7 8 9]]

花式索引

花式索引使用一个元组来选择相应的元素。例如，以下代码使用花式索引选择 array 中第一行和第三列的元素：

代码示例：

# 花式索引
print(array[1, 2])

输出：

6

NumPy 数组的复制和视图

在对 NumPy 数组进行切片或高级索引时，我们需要区分复制和视图的概念。

• 复制： 创建一个新的数组，与原始数组没有任何联系。对副本的修改不会影响原始数组。
• 视图： 与原始数组共享数据。对视图的修改也会影响原始数组。

我们可以使用 copy() 方法来创建数组的副本，也可以使用 view() 方法来创建数组的视图。

代码示例：

# 创建数组的副本
array_copy = array.copy()

# 创建数组的视图
array_view = array.view()

总结

NumPy 提供了基本切片和高级索引功能，使我们能够方便地访问和操作数组中的元素。基本切片与 Python 列表的切片非常相似，而高级索引则可以使用布尔索引、整数索引和花式索引来实现。在对 NumPy 数组进行切片或高级索引时，我们需要区分复制和视图的概念。复制会创建一个新的数组，而视图不会。

常见问题解答

1. 如何反转 NumPy 数组？

array[::-1]

2. 如何选择 NumPy 数组中满足特定条件的所有元素？

使用布尔索引：

array[array > 5]

3. 如何创建一个 NumPy 数组副本？

使用 copy() 方法：

array_copy = array.copy()

4. 如何创建 NumPy 数组视图？

使用 view() 方法：

array_view = array.view()

5. 如何使用花式索引选择 NumPy 数组中的特定元素？

使用一个元组指定行和列索引：

array[1, 2]