python 中裁切的意思是將元素從一個(gè)給定的索引帶到另一個(gè)給定的索引。
我們像這樣傳遞切片而不是索引：[start：end]。
我們還可以定義步長，如下所示：[start：end：step]。
如果我們不傳遞 start，則將其視為 0。
如果我們不傳遞 end，則視為該維度內(nèi)數(shù)組的長度。
如果我們不傳遞 step，則視為 1。
下面來看一個(gè)具體的操作實(shí)例
>>> import numpy as np >>> arr = np.array([1, 2, 3, 4, 5, 6, 7]) >>> print(arr[1:5]) # 裁切索引 1 到索引 5 的元素 [2 3 4 5] >>> print(arr[4:]) # 裁切數(shù)組中索引 4 到結(jié)尾的元素 [5 6 7] >>> print(arr[:4]) # 裁切從開頭到索引 4（不包括）的元素 [1 2 3 4]
使用減號(hào)運(yùn)算符從末尾開始引用索引：
從末尾開始的索引 3 到末尾開始的索引 1，對(duì)數(shù)組進(jìn)行裁切：
>>> import numpy as np >>> arr = np.array([1, 2, 3, 4, 5, 6, 7]) >>> print(arr[-3:-1]) [5 6]
使用 step 值確定裁切的步長
>>> import numpy as np >>> arr = np.array([1, 2, 3, 4, 5, 6, 7]) >>> print(arr[1:5:2]) # 從索引 1 到索引 5，返回相隔的元素 [2 4] >>> print(arr[::2])# 返回?cái)?shù)組中相隔的元素 [1 3 5 7]
從第二個(gè)元素開始，對(duì)從索引 1 到索引 4（不包括）的元素進(jìn)行切片：
>>> import numpy as np >>> arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) >>> print(arr[1, 1:4]) # 從第二個(gè)元素開始，對(duì)從索引 1 到索引 4（不包括）的元素進(jìn)行切片 [7 8 9] >>> print(arr[0:2, 2]) # 從兩個(gè)元素中返回索引 2 [3 8] >>> print(arr[0:2, 1:4]) # 從兩個(gè)元素裁切索引 1 到索引 4（不包括），這將返回一個(gè) 2-D 數(shù)組 [[2 3 4] [7 8 9]]
NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整數(shù)和切片的索引外，數(shù)組可以由整數(shù)數(shù)組索引、布爾索引及花式索引。
以下實(shí)例獲取數(shù)組中(0,0)，(1,1)和(2,0)位置處的元素。
>>> import numpy as np >>> x = np.array([[1, 2], [3, 4], [5, 6]]) >>> y = x[[0,1,2], [0,1,0]] >>> print (y) [1 4 5]
以下實(shí)例獲取了 4X3 數(shù)組中的四個(gè)角的元素。 行索引是 [0,0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]。
>>> import numpy as np >>> x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]]) >>> print (x) [[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]] >>> rows = np.array([[0,0],[3,3]]) >>> cols = np.array([[0,2],[0,2]]) >>> y = x[rows,cols] >>> print (y) [[ 0 2] [ 9 11]]
返回的結(jié)果是包含每個(gè)角元素的 ndarray 對(duì)象。
可以借助切片 : 或 … 與索引數(shù)組組合。如下面實(shí)例：
>>> import numpy as np >>> a = np.array([[1,2,3], [4,5,6],[7,8,9]]) >>> b = a[1:3, 1:3] >>> c = a[1:3,[1,2]] >>> d = a[...,1:] >>> print(b) [[5 6] [8 9]] >>> print(c) [[5 6] [8 9]] >>> print(d) [[2 3] [5 6] [8 9]]
我們可以通過一個(gè)布爾數(shù)組來索引目標(biāo)數(shù)組。
布爾索引通過布爾運(yùn)算（如：比較運(yùn)算符）來獲取符合指定條件的元素的數(shù)組。
以下實(shí)例獲取大于 5 的元素：
>>> import numpy as np >>> x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]]) >>> print (x) [[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]] >>> print (x[x > 5]) # 現(xiàn)在我們會(huì)打印出大于 5 的元素 [ 6 7 8 9 10 11]
以下實(shí)例使用了 ~（取補(bǔ)運(yùn)算符）來過濾 NaN。
>>> import numpy as np >>> a = np.array([np.nan, 1,2,np.nan,3,4,5]) >>> print (a[~np.isnan(a)]) [ 1. 2. 3. 4. 5.]
以下實(shí)例演示如何從數(shù)組中過濾掉非復(fù)數(shù)元素。
>>> import numpy as np >>> a = np.array([1, 2+6j, 5, 3.5+5j]) >>> print (a[np.iscomplex(a)]) [2.0+6.j 3.5+5.j]
花式索引指的是利用整數(shù)數(shù)組進(jìn)行索引。
花式索引根據(jù)索引數(shù)組的值作為目標(biāo)數(shù)組的某個(gè)軸的下標(biāo)來取值。對(duì)于使用一維整型數(shù)組作為索引，如果目標(biāo)是一維數(shù)組，那么索引的結(jié)果就是對(duì)應(yīng)位置的元素；如果目標(biāo)是二維數(shù)組，那么就是對(duì)應(yīng)下標(biāo)的行。
花式索引跟切片不一樣，它總是將數(shù)據(jù)復(fù)制到新數(shù)組中。
>>> import numpy as np >>> x=np.arange(32).reshape((8,4)) >>> print (x[[4,2,1,7]]) # 傳入順序索引數(shù)組 [[16 17 18 19] [ 8 9 10 11] [ 4 5 6 7] [28 29 30 31]] >>> print (x[[-4,-2,-1,-7]]) # 傳入倒序索引數(shù)組 [[16 17 18 19] [24 25 26 27] [28 29 30 31] [ 4 5 6 7]] >>> print (x[np.ix_([1,5,7,2],[0,3,1,2])]) # 傳入多個(gè)索引數(shù)組（要使用np.ix_） [[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]]