numpy/pytorch 高级索引(整数数组索引 布尔索引)
Python高级索引是一个很trick的操作,用的好可以提高效率,但是如果不了解也经常容易看不懂别人代码写的什么意思........
高级索引大致可分为整数数组索引、布尔索引及花式索引三类
整数数组索引
整数数组索引指使用同形状的多个数组分别指定元素的所有维度(不指定的维度也可以用切片
:
或省略号...
与索引数组组合),可精准取出一批指定位置的元素,按照给定数组形状返回。例1:
取出x中(0,0),(1,1)和(2,0)位置处的元素。
传入的位置指定数组也可为多维
例2
取出x[[(0,0),(0,2)],[3,0, 3,2]]的元素
传入的索引是什么形式,是几维的,输出值就是什么形式
布尔索引
我们可以通过一个布尔数组来索引目标数组。
布尔数组形状为目标数组的维度
x = np.arange(27).reshape(3,3,3) print(x)
输出:
array([[[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8]], [[ 9, 10, 11], [12, 13, 14], [15, 16, 17]], [[18, 19, 20], [21, 22, 23], [24, 25, 26]]])
使用布尔数组索引位置:
idx1 = np.array([0,1,1], dtype=bool) idx2 = np.array([[[ 0, 0, 0], [ 0, 0, 0], [ 0, 0, 0]], [[ 0, 1, 1], [ 0, 0, 0], [ 0, 0, 0]], [[ 0, 0, 0], [ 0, 0, 0], [ 0, 0, 0]]], dtype=bool) print(x[idx1]) print(x[idx2])
输出为
[[[ 9 10 11] [12 13 14] [15 16 17]] [[18 19 20] [21 22 23] [24 25 26]]]#x[idx1] [10 11] #x[idx2]
也就是说,可以构造一个和当前数组维度相同的布尔数组,然后将布尔数组当作index,可以取出当前数组中值为true位置的值
布尔索引也通过布尔运算(如:比较运算符)来获取符合指定条件的元素的数组。
取出大于5的元素
过滤掉为nan的值
过滤掉复数元素
通过布尔值取某几行
花式索引