Python NumPy 数组索引-CJavaPy

1、普通索引（Basic Indexing）

普通索引是指 使用单个整数或整数切片 来访问数组中的元素。
其行为与 Python 的列表索引非常相似。

1）索引一维数组元素

NumPy 数组的索引 从 0 开始：

第一个元素索引为 0
第二个元素索引为 1
以此类推

示例：访问第一个元素

import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr[0])

示例：访问第二个元素

print(arr[1])

示例：访问第三和第四个元素并相加


print(arr[2] + arr[3])

2）索引二维数组

对于二维数组，可以使用 逗号分隔的索引，格式为：


arr[row_index, col_index]

示例：访问第一行第二列的元素


import numpy as np

arr = np.array([[1, 2, 3, 4, 5],
                [6, 7, 8, 9, 10]])

print('arr[0, 1]:', arr[0, 1])

示例：访问第二行第五列的元素

print('arr[1, 4]:', arr[1, 4])

3）索引三维数组

三维数组的索引格式为：


arr[dim1, dim2, dim3]

示例：访问第一个二维数组中，第二行第三列的元素

import numpy as np

arr = np.array([
    [[1, 2, 3], [4, 5, 6]],
    [[7, 8, 9], [10, 11, 12]]
])

print(arr[0, 1, 2])

示例说明

arr[0, 1, 2] 的含义：

0：选择第一个二维数组
```
[[1, 2, 3],
 [4, 5, 6]]
```
1：选择该二维数组中的第二行
```
[4, 5, 6]
```
2：选择该行中的第三个元素 → 6

2、高级索引（Advanced Indexing）

高级索引是指 使用数组或布尔值作为索引 来访问数组元素。
与普通索引不同的是：

高级索引返回的是数据的拷贝，而不是视图（view）

1）整数数组索引

可以使用一个 整数数组 来索引目标数组。

示例：使用整数数组索引二维数组（按行）

import numpy as np

a = np.array([[1, 2],
              [3, 4],
              [5, 6]])

idx = np.array([[0, 2],
                [1, 2]])

print(a[idx])

输出结果：

[[[1 2]
  [5 6]]

 [[3 4]
  [5 6]]]

📌 注意：
这里的 idx 本身是一个数组，因此不能写成：

a[[0, 2], [1, 2]]  # 含义不同

2）花式索引（Fancy Indexing）

花式索引 是高级索引的一种形式，指 使用多个整数数组分别指定每个维度的索引。

其核心特点是：

索引数组中的值作为目标数组对应轴的下标
返回结果是一维数组（按元素一一对应）

示例：花式索引一维与二维数组

import numpy as np

a = np.array([[1, 2],
              [3, 4],
              [5, 6]])

print(a[[0, 1, 1]])
print("---------")
print(a[[0, 1, 1], [0, 0, 0]])

输出：


[[1 2]
 [3 4]
 [3 4]]
---------
[1 3 3]

解释：

a[[0,1,1]]：按行索引
a[[0,1,1],[0,0,0]]：行列一一对应取值

3）布尔索引（Boolean Indexing）

布尔索引 用于根据条件筛选数组中的元素。

其核心思想是：

先生成一个布尔数组（True / False）
再用该布尔数组索引原数组

示例：布尔索引筛选数据

import numpy as np

data = np.array([[1, 2, 3, 4],
                 [5, 6, 7, 8]])

mask = data > 5print(data[mask])

输出：

[6 7 8]

4）高级索引综合示例

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 整数数组索引
indices = np.array([1, 3, 5])
print(arr[indices])   # [2 4 6]# 布尔索引
mask = arr > 5print(arr[mask])      # [6 7 8 9]# 修改指定位置的元素
arr[indices] = 0print(arr)

二维数组高级索引

matrix = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])

row_indices = np.array([0, 2])
col_indices = np.array([1, 2])

print(matrix[row_indices, col_indices])  # [2 9]

布尔索引修改数组

mask = matrix > 3
matrix[mask] = 0
print(matrix)

输出：

[[1 2 3]
 [0 0 0]
 [0 0 0]]

3、负索引（Negative Indexing）

负索引用于 从数组末尾开始访问元素：

-1：最后一个元素
-2：倒数第二个元素

示例：访问第二行的最后一个元素

import numpy as np

arr = np.array([[1, 2, 3, 4, 5],
                [6, 7, 8, 9, 10]])

print('Last element from 2nd row:', arr[1, -1])

输出：

Last element from 2nd row: 10

Python NumPy 数组索引