原
花式索引与np.ix_函数
花式索引(Fancy indexing)是Numpy的一个术语，指的是利用整数数组进行索引。（不仅是1维，也可以是多维）
用法与例子如下：
创建 arr 数组
-
>>> arr1 = np.empty((
8,
4))
# 创建一个8行4列的二维数组
-
-
>>>
for i
in range(
8):
# 每一行赋值为0~7
-
arr1[i] = i
-
-
>>> arr1
-
-
array([[
0.,
0.,
0.,
0.],
-
[
1.,
1.,
1.,
1.],
-
[
2.,
2.,
2.,
2.],
-
[
3.,
3.,
3.,
3.],
-
[
4.,
4.,
4.,
4.],
-
[
5.,
5.,
5.,
5.],
-
[
6.,
6.,
6.,
6.],
-
[
7.,
7.,
7.,
7.]])
1、用1维数组进行索引
-
>>> arr1[[
4,
3,
0,
6]]
-
# 选取第4行、第3行、第0行、第6行
-
-
array([[
4.,
4.,
4.,
4.],
-
[
3.,
3.,
3.,
3.],
-
[
0.,
0.,
0.,
0.],
-
[
6.,
6.,
6.,
6.]])
2、用有负数的1维数组进行索引，就是从末尾开始选取行
-
>>> arr1[[
-3,
-5,
-7]]
-
# 选取倒数第3行，倒数第5行，倒数第7行
-
-
array([[
5.,
5.,
5.,
5.],
-
[
3.,
3.,
3.,
3.],
-
[
1.,
1.,
1.,
1.]])
在这里必须注意！
顺序选取是从0开始数的，a[0]代表第一个；而逆序选取是从1开始数的，a[-1]是倒数第一个
新建一个数组 arr2
-
>>> arr2 = np.arange(
32).reshape((
8,
4))
-
-
>>> arr2
-
-
array([[
0,
1,
2,
3],
-
[
4,
5,
6,
7],
-
[
8,
9,
10,
11],
-
[
12,
13,
14,
15],
-
[
16,
17,
18,
19],
-
[
20,
21,
22,
23],
-
[
24,
25,
26,
27],
-
[
28,
29,
30,
31]])
3、按坐标选取每一个数
-
>>> arr2[[
1,
5,
7,
2],[
0,
3,
1,
2]]
-
# 意思就是，取坐标所对应的数(1,0)——4,(5,3)——23,(7,1)——29,(2,2)——10，然后返回一个数组
-
-
array([
4,
23,
29,
10])
4、希望先按我们要求选取行，再按顺序将列排序，获得一个矩形
-
>>> arr2[[
1,
5,
7,
2]][:,[
0,
3,
1,
2]]
-
-
array([[
4,
7,
5,
6],
-
[
20,
23,
21,
22],
-
[
28,
31,
29,
30],
-
[
8,
11,
9,
10]])
先按先选取第1、5、2、7行，每一行再按第0个、第3个、第1个、第2个排序
5、np.ix_函数，能把两个一维数组 转换为 一个用于选取方形区域的索引器
实际意思就是，直接往np.ix_()里扔进两个一维数组[1,5,7,2]，[0,3,1,2]，就能先按我们要求选取行，再按顺序将列排序，跟上面得到的结果一样，而不用写“[ : , [0,3,1,2] ]”
原理：np.ix_函数就是输入两个数组，产生笛卡尔积的映射关系
-
>>> arr2[np.ix_([
1,
5,
7,
2],[
0,
3,
1,
2])]
-
-
array([[
4,
7,
5,
6],
-
[
20,
23,
21,
22],
-
[
28,
31,
29,
30],
-
[
8,
11,
9,
10]])
例如就这个例子，np.ix_函数，将数组[1,5,7,2]和数组[0,3,1,2]产生笛卡尔积，就是得到(1,0)，(1,3)，(1,1)，(1,2)；(5,0)，(5,3)，(5,1)，(5,2)；(7,0)，(7,3)，(7,1)，(7,2)；(2,0)，(2,3)，(2,1)，(2,2)；
就是按照坐标(1,0)，(1,3)，(1,1)，(1,2)取得 arr2 所对应的元素4，7，5，6
(5,0)，(5,3)，(5,1)，(5,2)取得 arr2 所对应的元素20，23，21，22
如此类推。
<div id="dmp_ad_58"><div id="kp_box_58" data-pid="58" data-track-view="{"mod":"kp_popu_58-402","con":",,"}" data-track-click="{"mod":"kp_popu_58-402","con":",,"}" style=""><div style="width:100%;background:#fff;border:3px solid #fff;">