📂 目录

  • 基本索引操作
  • 多维数组的索引
  • 切片操作
  • 高级索引
  • 出站链接
  • 参考资料

🎯 基本索引操作

NumPy 数组可以通过整数索引来访问其中的元素：

import numpy as np

a = np.array([1, 2, 3, 4, 5])
print(a[0])  # 输出：1
print(a[3])  # 输出：4

对于多维数组，可以使用逗号分隔的索引：

b = np.array([[1, 2], [3, 4], [5, 6]])
print(b[1, 0])  # 输出：3

🧩 多维数组的索引

多维数组（如二维数组）中的每个元素都可以通过两个索引来访问：

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(a[1, 2])  # 输出：6

🔪 切片操作

切片操作允许提取数组的某个子集：

a = np.array([0, 1, 2, 3, 4, 5])
print(a[1:4])  # 输出：[1 2 3]

切片的语法是 start:end:step，可以通过改变 step 来控制步长：

print(a[::2])  # 输出：[0 2 4]

对于多维数组，也可以进行切片操作：

b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(b[0:2, 1:3])  # 输出：[[2 3] [5 6]]

🔍 高级索引

除了基本索引和切片，NumPy 还支持布尔数组索引和整数数组索引：

1. 布尔索引

布尔索引允许你根据条件过滤数组的元素：

a = np.array([1, 2, 3, 4, 5])
print(a[a > 3])  # 输出：[4 5]

2. 整数数组索引

你可以通过提供一个整数数组来选择多个元素：

a = np.array([10, 20, 30, 40, 50])
print(a[[1, 3]])  # 输出：[20 40]

🔗 出站链接

📚 参考资料

  • NumPy 官方文档
  • W3Schools Python NumPy 教程
  • GeeksForGeeks 深度讲解
  • 来自：www.52kanjuqing.com