ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号：切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。

Python学习笔记之NumPy模块——超详细(安装、数组创建、正态分布、索引和切片、数组的复制、维度修改、拼接、分割...)

【8月更文挑战第30天】

Python Numpy 切片和索引（高级索引、布尔索引、花式索引）

NumPy 切片和索引用于访问和修改 `ndarray` 对象。类似于 Python 的列表切片, 使用索引 `[0-n]` 和切片 `slice(start, stop, step)` 或简写为 `[start:stop:step]` 来提取元素。单个索引 `[n]` 获取单个元素, `[n:]` 获取从 `n` 开始的所有元素, `[n:m]` 获取 `n` 至 `m-1` 的元素。省略号 `...` 保持选择维度与数组一致, 如 `a[...,1]` 获取所有第二列, `a[1,...]` 获取第二行, `a[...,1:]` 获取所有第二列及之后的元素。

NumPy高级索引包括整数数组索引、布尔索引及花式索引，能访问并操作数组中的任意元素。例如，使用整数数组索引可以从多维数组中选取特定位置的元素。对于一个4x3数组`x`，通过定义行索引`rows`和列索引`cols`为`[[0,0],[3,3]]`和`[[0,2],[0,2]]`，可以获取四个角的元素：`x[rows,cols]`，结果为`[[0 2] [9 11]]`。此外，结合切片与索引数组可进一步定制数据选择，如`a[1:3, 1:3]`或`a[...,1:]`等。

NumPy高级索引包括 using 整数数组、布尔数组等来 access 数组元素, enabling 复杂的操作和 modifications. **布尔索引** uses 布尔数组 to index 目标数组, filtering 元素 based on 条件.

NumPy 切片和索引允许访问和修改 `ndarray` 对象的内容。类似于 Python 的列表切片, 可以使用 `start:stop:step` 形式的索引, 其中省略号代表默认值。

NumPy高级索引包括整数数组索引、布尔索引及花式索引，能实现对数组元素的灵活访问与复杂操作。其中，花式索引通过整数数组指定目标轴的下标来选取元素，不同于切片，它总是返回新数组。例如，对二维数组使用倒序索引数组时，会得到指定行的新数组：[[16 17 18 19], [24 25 26 27], [28 29 30 31], [4 5 6 7]]。

NumPy的高级索引功能强大，支持整数数组索引、布尔索引等多种方式，能够灵活访问和操作数组中的元素。花式索引通过整数数组选取特定位置的数据，不同于切片，它总是创建新数组。使用`np.ix_`处理多维索引时，可实现笛卡尔积效果，选取特定行与列的组合，如示例中从一个二维数组精确取出指定位置的子矩阵。