|
在 NumPy 中，布尔数组索引是一种强大的元素选择方式，它通过 “True/False” 的逻辑判断筛选元素。以下是具体用法及带输出注释的示例代码。
1 与原数组同形的布尔数组索引
创建和原数组形状相同的布尔数组，True 表示选择该元素，False 表示排除。
1.1 基本用法：筛选满足条件的元素
import numpy as np
# 创建一个3行4列的数组（元素0-11）
a = np.arange(12).reshape(3, 4)
print("原数组a：")
print(a)
# Output:
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
# 创建与a同形的布尔数组：判断a中元素是否大于4
b = a > 4
print("\n布尔数组b（a > 4的结果）：")
print(b)
# Output:
# [[False False False False]
# [False True True True]
# [ True True True True]]
# 用布尔数组b索引a，提取所有True位置的元素（返回一维数组）
selected_elements = a
print("\n筛选出的元素：")
print(selected_elements)
# Output: [ 5 6 7 8 9 10 11]
1.2 赋值操作：批量修改满足条件的元素
# 继续使用上面的数组a和布尔数组b
a = 0 # 将a中所有>4的元素赋值为0
print("修改后的数组a：")
print(a)
# Output:
# [[0 1 2 3]
# [4 0 0 0]
# [0 0 0 0]]
2 按维度的一维布尔数组索引
对每个维度提供一维布尔数组（长度需与对应维度一致），用于选择该维度的 “切片”。
2.1 选择某一维度的切片（以二维数组为例）
import numpy as np
a = np.arange(12).reshape(3, 4) # 3行4列，行索引0-2，列索引0-3
print("原数组a：")
print(a)
# Output:
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]]
# 行选择的布尔数组：长度=行数（3），选择第2、3行（索引1、2）
b1 = np.array([False, True, True])
# 列选择的布尔数组：长度=列数（4），选择第1、3列（索引0、2）
b2 = np.array([True, False, True, False])
# 选择行（第一个维度）：等价于a[b1, :]
print("\n选择行（b1为[False, True, True]）：")
print(a[b1])
# Output:
# [[ 4 5 6 7]
# [ 8 9 10 11]]
2.2 选择列（第二个维度）
print("\n选择列（b2为[True, False, True, False]）：")
print(a[:, b2])
# Output:
# [[ 0 2]
# [ 4 6]
# [ 8 10]]
2.3 同时选择行和列
print("\n同时选择行和列（b1和b2结合）：")
print(a[b1, b2])
# Output: [4 10]
# 解释：b1选择行1、2，b2选择列0、2 → 取(1,0)和(2,2)位置的元素：4和10
|
发表于 2026-1-6 09:40:37
