【Python Numpy教程】切片和索引

在Numpy中，切片和索引是非常常见的操作，可以让我们快速方便地访问数组中的元素或子集。

1. 一维数组切片：

import numpy as np
 
arr = np.array([1, 2, 3, 4, 5, 6])
print(arr[1:4])  # 输出: [2 3 4]

2. 二维数组切片：

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

3. 使用索引访问元素：

import numpy as np
 
arr = np.array([1, 2, 3, 4, 5, 6])
print(arr[2])  # 输出: 3

4. 多维数组索引：

import numpy as np
 
arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr[0, 1, 0])  # 输出: 3

5. 使用...代表其余维度：

import numpy as np
 
arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr[0, ...])  # 输出: [[1 2]
                    #        [3 4]]

6. 布尔索引：

import numpy as np
 
arr = np.array([1, 2, 3, 4, 5, 6])
bool_idx = (arr > 3)
print(arr[bool_idx])  # 输出: [4 5 6]

7. 花式索引（fancy indexing）：

import numpy as np
 
arr = np.array([1, 2, 3, 4, 5, 6])
idx = np.array([0, 2, 0])
print(arr[idx])  # 输出: [1 3 1]

以上代码展示了如何在Numpy中使用切片和索引来访问数组中的元素。切片和索引是Numpy非常强大和灵活的功能，可以让我们高效地处理数据。