参考NumPy官方文档，总结NumPy索引和切片，可以看到它们相比Python更加方便、简介和强大。
索引和切片
您可以使用与切片 Python列表相同的方法，对NumPy数组进行索引和切片。
- >>> data = np.array([1, 2, 3])
- >>> data[1]
- 2
- >>> data[0:2]
- array([1, 2])
- >>> data[1:]
- array([2, 3])
- >>> data[-2:]
- array([2, 3])
你可以这样想象：
您可能需要获取数组的一部分或特定数组元素，以便在进一步分析或其他操作中使用。为此，需要对数组进行子集、切片和/或索引。
如果您想从数组中选择满足特定条件的值，那么NumPy很简单。
例如，如果从这个数组开始：
- >>> a = np.array([[1 , 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
可以轻松打印数组中小于5的所有值。
- >>> print(a[a < 5])
- [1 2 3 4]
例如，还可以选择等于或大于5的数字，并使用该条件对数组进行索引。
- >>> five_up = (a >= 5)
- >>> print(a[five_up])
- [ 5 6 7 8 9 10 11 12]
可以选择可被2整除的元素：
- >>> divisible_by_2 = a[a%2==0]
- >>> print(divisible_by_2)
- [ 2 4 6 8 10 12]
或者可以使用&和|运算符选择满足两个条件的元素：
- >>> c = a[(a > 2) & (a < 11)]
- >>> print(c)
- [ 3 4 5 6 7 8 9 10]
还可以使用逻辑运算符&和 |返回布尔值，指定数组中的值是否满足特定条件。这对于包含名称或其他分类值的数组很有用。
- >>> five_up = (a > 5) | (a == 5)
- >>> print(five_up)
- [[False False False False]
- [ True True True True]
- [ True True True True]]
还可以使用np.nonzero()从数组中选择元素或索引。
从这个数组开始：
- >>> a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
可以使用np.nonzero()打印元素的索引，例如，小于5：
- >>> b = np.nonzero(a < 5)
- >>> print(b)
- (array([0, 0, 0, 0]), array([0, 1, 2, 3]))
在本例中，返回了一个数组元组：每个维度一个。第一个数组表示找到这些值的行索引，第二个数组表示找到这些值的列索引。
如果要生成元素所在的坐标列表，可以压缩数组，遍历坐标列表，然后打印它们。例如：
- >>> listlist_of_coordinates= list(zip(b[0], b[1]))
- >>> for coord in list_of_coordinates:
- ... print(coord)
- (0, 0)
- (0, 1)
- (0, 2)
- (0, 3)
还可以使用np.nonzero()打印数组中小于5的元素，并使用：
- >>> print(a[b])
- [1 2 3 4]
如果要查找的元素在数组中不存在，则返回的索引数组将为空。例如：
- >>> not_there = np.nonzero(a == 42)
- >>> print(not_there)
- (array([], dtype=int64), array([], dtype=int64))
