当前位置：首页 > news >正文

机器学习——Numpy的神奇索引与布尔索引

news 来源：原创 2025/5/12 5:54:25

在 NumPy 中，神奇索引（Fancy Indexing） 和 布尔索引（Boolean Indexing） 是两种强大的索引方式，用于从数组中提取特定元素或子集。以下是它们的详细说明和示例：

1. 神奇索引（Fancy Indexing）

定义：通过传递一个整数数组或列表来索引数组，返回指定位置的元素。
特点：
- 索引数组可以是任意形状。
- 返回的结果形状与索引数组一致。
示例：

import numpy as np 
array = np.array([10,  20, 30, 40, 50])
indices = [1, 3, 4]  # 指定索引位置 
result = array[indices]  # 提取对应位置的元素 
print(result)  # 输出: [20 40 50]

多维数组示例：

matrix = np.array([[1,  2, 3], [4, 5, 6], [7, 8, 9]])
row_indices = [0, 1, 2]
col_indices = [1, 0, 2]
result = matrix[row_indices, col_indices]  # 提取 (0,1), (1,0), (2,2) 位置的元素 
print(result)  # 输出: [2 4 9]

2. 布尔索引（Boolean Indexing）

定义：通过传递一个布尔数组来索引数组，返回满足条件的元素。
特点：
- 布尔数组必须与目标数组形状一致。
- 返回的结果是一维数组。

示例：

array = np.array([10,  20, 30, 40, 50])
condition = array > 30  # 创建布尔条件 
result = array[condition]  # 提取满足条件的元素 
print(result)  # 输出: [40 50]

多维数组示例：

matrix = np.array([[1,  2, 3], [4, 5, 6], [7, 8, 9]])
condition = matrix > 5  # 创建布尔条件 
result = matrix[condition]  # 提取满足条件的元素 
print(result)  # 输出: [6 7 8 9]

3. 神奇索引与布尔索引的区别

特性	神奇索引（Fancy Indexing）	布尔索引（Boolean Indexing）
索引类型	整数数组或列表	布尔数组
结果形状	与索引数组一致	一维数组
适用场景	提取指定位置的元素	提取满足条件的元素
多维数组支持	支持，通过指定行列索引	支持，返回满足条件的所有元素

4. 应用场景

神奇索引：
- 提取特定位置的元素。
- 重新排列数组。
布尔索引：
- 过滤满足条件的元素。
- 数据清洗和预处理。

5. 注意事项

神奇索引：索引数组的值必须在数组的合法范围内，否则会抛出 IndexError。
布尔索引：布尔数组必须与目标数组形状一致，否则会抛出 IndexError。

示例代码总结

import numpy as np 
 
# 神奇索引 
array = np.array([10,  20, 30, 40, 50])
indices = [1, 3, 4]
result_fancy = array[indices]  # 输出: [20 40 50]
 
# 布尔索引 
condition = array > 30 
result_boolean = array[condition]  # 输出: [40 50]