numpy 索引多个_21_手把手教你学Python之Numpy(上）

NumPy（Numerical Python）是高性能科学计算和数据分析的基础包。它极大的简化了多维数组的操纵和处理，大部分数据处理软件包都依赖于Numpy，例如pandas、matplotlib、scikit-learn等。

Numpy的一些特点：

• NumPy 提供了对数组和矩阵进行快速运算的标准数学函数；
• NumPy 提供了很多矢量运算的接口，比手动用循环实现速度要快很多；
• NumPy 开放源代码，由许多协作者共同维护开发。
• ……

Python标准库中默认不包含 Numpy，推荐两种安装方式：

• 使用Anaconda软件，简化包的管理，自带Numpy、matplotlib等数据处理包；
• 使用pip命令安装：pip install numpy

多维数组对象-ndarray

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是用于存放同类型元素的多维数组，ndarray 中的每个元素在内存中占有相同大小的区域。创建ndarray对象时，可以通过dtype指定数据类型，如果没有指定，则会根据元素内容自动确定。

创建ndarray的方法很多，例如可通过array()、asarray()将列表或元组转化为ndarray，通过arange()生成一组数，通过ones()、zeros()、full()生成元素相同的一些特殊数组，通过linspace()、logspace()分别生成等差和等比数组等，方法详细说明如下：

注意：指定数组形状时，只能是整数如8、12等表示一维数组中元素的个数，或者整数序列如[3,5],(2, 3, 4)等,序列的长度表示维度，每个元素的值表示对应维度上轴的大小。

多维数组对象ndarray的主要属性包括shape(形状)、ndim(维度)、size(元素个数)、dtype(元素类型)、itemsize(每个元素所占字节数)、nbytes(整个数组所占字节数)等。各自含义和用法如下：

多维数组对象ndarray的主要方法包括reshape(形状)、flatten(将多维数组压平为1维数组)、astype(指定元素类型)、sum(求和)、cumsum(累积求和)、max(求最大值)、min(求最小值)、mean(求平均值)等。方法的详细介绍及其用法如下：

ndarray 对象的索引和切片操作，与序列的索引和切片操作类似。索引支持正向索引（从左到右，下标从0开始不断增大）和反向索引（从右到左，下标从-1开始不断减小）。切片操作可通过slice函数，设置start、stop和step参数进行；也可以通过冒号分隔切片参数 start:stop:step 进行。对于多维数组来说，可以分别对每一个维度进行索引和切片，多个维度的索引和切片之间用逗号隔开。

序列进行切片操作后，会生成一个新的序列，相当于是将相应的元素复制出来组成了一个新的序列。与此不同，ndarray切片结果并不会单独生成一个新的ndarray，访问的仍然是原始的ndarray中的数据，因此对切片结果的修改会影响到原始数据。

下面以一个具体例子，来理解索引和切片的用法。

此外，Numpy中还提供了一些特殊的索引方式，例如整数数组索引、布尔索引及花式索引。

整数数组索引主要用于同时访问多个无规律的元素，用整数数组作为索引，一个整数数组表示一个维度，有多少个维度就需要多少个整数数组，整数数组中用于存放各元素在这一维度的索引。

布尔索引通过布尔运算来获取符合一定条件的元素，对一个多维数组使用布尔运算时，会对数组中的每一个元素执行布尔运算，最终得到一个元素为True或False的多维数组，然后将这个多维布尔数组作为索引，此时会取出True对应位置上的数据。

花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；如果目标是二维数组，那么就是对应下标的行。

如果需要按照自定义的顺序获取某些行列的数据，可使用np.ix_方法，用法为： a[np.ix_([行序],[列序])]，注意和整数数组索引的区别。

更多详细内容可查看视频讲解，手把手教你学Python（入门基础）课程完整视频腾讯课堂链接：https://ke.qq.com/course/1581404?tuin=4c5cc1bc

更多Python学习资料请加入群、联系助理老师或关注微信公众号获取，我们会不定期更新！