第3关：花式索引与布尔索引

好的，让我们来聊聊花式索引和布尔索引。

首先，花式索引是指使用整数数组来索引数组的操作，这种索引方式可以让我们快速地获取数组中的元素。例如，我们可以通过以下方式获取数组中的第1、3、5个元素：

import numpy as np

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

在这个例子中，我们使用了一个整数数组 `[0, 2, 4]` 来索引数组 `a` 中的元素，返回了一个新的数组 `b`。

除了整数数组之外，我们还可以使用布尔数组来进行索引。布尔数组是由布尔值组成的数组，它可以让我们根据条件来获取数组中的元素。例如，我们可以通过以下方式获取数组中所有大于 3 的元素：

import numpy as np

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

在这个例子中，我们使用了一个布尔数组 `a > 3` 来索引数组 `a` 中的元素，返回了一个新的数组 `b`。

总结一下，花式索引和布尔索引都是非常灵活和方便的索引方式，可以让我们快速地获取数组中的元素。

相关问题

pandas花式索引

Pandas中的花式索引指的是通过使用整数数组或布尔数组来选择数据的一种索引方式。花式索引可以用于Series和DataFrame对象。在Series对象中，可以使用整数数组或布尔数组作为索引来选择对应位置的元素。在DataFrame对象中，可以使用整数数组或布尔数组作为索引来选择对应的行或列。使用整数数组进行花式索引时，会按照数组中的索引顺序选择数据。使用布尔数组进行花式索引时，会根据布尔数组中的True或False值选择相应的数据。<span class="em">1</span><span class="em">2</span><span class="em">3</span>

df.loc 忽略索引 python

在 Pandas 中，`df.loc` 主要用于基于标签（label）或布尔数组（Boolean array）进行选择和赋值。默认情况下，`df.loc` 会使用 DataFrame 的索引（index）来进行选择。如果你想忽略索引，可以使用 `df.iloc`，它使用整数位置（integer position）进行选择。

例如，假设有一个 DataFrame 如下：

   A  B  C
0  1  2  3
1  4  5  6
2  7  8  9

你可以使用以下代码来选择第一行：

df.iloc[0]

输出结果为：

A    1
B    2
C    3
Name: 0, dtype: int64

你也可以使用以下代码来选择第一列：

df.iloc[:, 0]

输出结果为：

0    1
1    4
2    7
Name: A, dtype: int64

使用 `df.iloc` 时，可以使用类似 NumPy 数组的切片操作和花式索引（fancy indexing）来进行选择。