numpy数组不同索引方式的区别

numpy数组一般有三种索引方式:
 
基础索引与切片
 
布尔索引
 
神奇索引
 
三种方法都可截取原数组中的部分数据,但是使用的时候在本质上却有区别,尤其是在处理大量数据时,不弄清索引本质,会导致最后预测结果不准确。
 
基础索引与切片
 
先上代码:
 
import numpy as np
 
arr = np.arange(25).reshape(5,5)
 
arr
 
arr1 = arr[:3]
 
arr1
 
arr1[1] = -1
 
arr
 
大家可以从上面的结果中发现,将arr前3行赋值给arr1,然后将arr1的第2行的数值改为-1,最后arr也发生了改变。原因是在基础索引中,返回的只是原数组的视图,而不是复制原数组,任何对于视图的修改,都会影响原数组。
 
解决方法,利用ndarray自带方法copy(),复制原数组。
 
arr = np.arange(25).reshape(5,5)
 
arr
 
arr1 = arr.copy()
 
arr1[1]=-1
 
arr
 
布尔索引
 
先上代码:
 
bool_ = [True,False,True,False,False]
 
arr1 = arr[bool_]
 
arr1
 
arr1[1]=-1
 
arr
 
可以发现,布尔索引并未出现类似问题,因为利用布尔值索引时,总是生成数据的拷贝,所以改变选择数据,对原数组没有影响。
 
神奇索引
 
index = [3,4,1,2]
 
arr1 = arr[index]
 
arr1
 
arr1[1]=-1
 
arr
 
神奇索引和布尔索引一样,选择数据的改变也不会影响原数组。

如需转载,请注明文章出处和来源网址:http://www.divcss5.com/html/h63985.shtml

张贴在3