numpy中数组的索引非常灵活且强大，基本的操作技巧有以下几种 1.下标索引 通过每一轴的下标来访问元素，一次获取一个元素，用法如下 import numpy a = numpy.arange(6) a array([0, 1, 2, 3, 4
numpy中数组的索引非常灵活且强大，基本的操作技巧有以下几种
1. 下标索引
通过每一轴的下标来访问元素，一次获取一个元素，用法如下
>>> a = numpy.arange(6)
>>> a
array([0, 1, 2, 3, 4, 5])
# 一维数组用法和python的列表对象一致
# 支持从0开始的正整数下标
# 也支持从-1开始的负整数下标
>>> a[2]
2
>>> a[-2]
4
# 二维数组，提供两个下标
>>> a = numpy.arange(9).reshape(3, -1)
>>> a
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
# 支持两种写法
# 两个中括号，第一个为行的下标，第二个为列的下标
# 一个中括号，两个下标用逗号分隔
>>> a[0][1]
1
>>> a[0, 1]
1
>>> a[0][-1]
2
>>> a[0, -1]
2
两个中括号的写法本质是分成了两步，第一步先根据第一个中括号中的下标提取对应的行，返回值为一个一维数组，第二步对第一步提取出的一维数组进行访问，因为产生了临时数组，效率会低一些。
2. 切片索引
切片索引通过切片的方式来提取子集，适用于数组内连续元素的提取，用法如下
>>> a = numpy.arange(6)>>> a
array([0, 1, 2, 3, 4, 5])
# 一维数组用法和python的列表对象一致
>>> a[1:5]
array([1, 2, 3, 4])
>>> a[1:5:2]
array([1, 3])
>>> a[::2]
array([0, 2, 4])
# 整个数组
>>> a[::-1]
array([5, 4, 3, 2, 1, 0])
# 二维数组
>>> a = numpy.arange(9).reshape(3, -1)
>>> a
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
>>> a[1:3,1:2]
array([[4],
[7]])
# 一个冒号的简写表示提取全部的下标
# 一个省略号的简写表示提取全部的下标
# 提取第二行
>>> a[1, :]
array([3, 4, 5])
>>> a[1, ...]
array([3, 4, 5])
# 提取第二列
>>> a[:, 1]
array([1, 4, 7])
二维数组的切片不能用两个中括号的写法，因为切片的返回值和原始数组维度相同，第一步切片提取出来之后任然是二维数组
>>> a = numpy.arange(9).reshape(3, -1)>>> a
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
>>> a[1:3]
array([[3, 4, 5],
[6, 7, 8]])
3. 花式索引
花式索引，本质是根据下标的集合，即索引数组来提取子集，与切片的区别在于，花式索引可以提取非连续的元素，用法如下
>>> a = numpy.arange(6)>>> a
array([0, 1, 2, 3, 4, 5])
>>> a[[1, 2, 5]]
array([1, 2, 5])
# 返回值总是和索引数组的维度相同
>>> a[numpy.array([(0, 1, 3),(1, 4, 5)])]
array([[0, 1, 3],
[1, 4, 5]])
>>> a = numpy.arange(9).reshape(3, -1)
>>> a
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
# 根据索引数组中的下标提取对应的行
>>> a[[1, 0]]
array([[3, 4, 5],
[0, 1, 2]])
# 一轴为索引数组，另一轴为下标索引
>>> a[[0,2],1]
array([1, 7])
# 两个轴同时为索引数组，需要使用ix_函数
# 第一个数组中的元素为行对应的下标
# 第一个数组中的元素为列对应的下标
>>> a[numpy.ix_([0,1], [0,1])]
array([[0, 1],
[3, 4]])
需要注意，利用花式索引从二维数组中提取当行或者单列的数据，会统一返回一维数组，这和切片不同，因为切片只是在原来的数组上生成新视图，而花式索引总是生成一个新的数组。
4. 布尔索引
布尔索引本质是根据一个布尔数组来提取子集，用法如下
>>> a
array([0, 1, 2, 3, 4, 5])
# 一维数组
>>> a > 3
array([False, False, False, False, True, True], dtype=bool)
>>> a[a > 3]
array([4, 5])
>>> a = numpy.arange(9).reshape(3, -1)
>>> a
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
# 二维数组
>>> a > 3
array([[False, False, False],
[False, True, True],
[ True, True, True]], dtype=bool)
>>> a[a > 3]
array([4, 5, 6, 7, 8])
布尔索引的返回值也是一个新的数组，所以也要注意返回值的维度问题。
·end·
一个只分享干货的
生信公众号