参考NumPy官方文档总结NumPy索引和切片。你可以看到它们比Python更方便、更简洁、更强大。索引和切片您可以使用与切片Python列表相同的方式对NumPy数组进行索引和切片。>>>data=np.array([1,2,3])>>>data[1]2>>>data[0:2]array([1,2])>>>data[1:]array([2,3])>>>data[-2:]array([2,3])你可以这样想象：你可能需要获取数组的一部分或者特定的数组元素，用于进一步分析或其他操作使用。为此，需要对数组进行子集化、切片和/或索引。如果你想从数组中选择满足某个条件的值，NumPy很容易。例如，如果从这个数组开始：>>>a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])可以轻松打印数组中所有小于5的值。>>>print(a[a<5])[1234]例如，也可以选择等于或大于5的数字并使用该条件索引数组。>>>five_up=(a>=5)>>>print(a[five_up])[56789101112]可以选择被2整除的元素：>>>divisible_by_2=a[a%2==0]>>>print(divisible_by_2)[24681012]或者您可以使用&和|运算符选择满足两个条件的元素：>>>c=a[(a>2)&(a<11)]>>>print(c)[345678910]您还可以使用逻辑运算符&和|返回一个布尔值，指定数组中的值是否满足特定条件。这对于包含名称或其他分类值的数组很有用。>>>five_up=(a>5)|(a==5)>>>print(five_up)[[FalseFalseFalseFalse][TrueTrueTrueTrue][TrueTrueTrueTrue]]您还可以使用np.nonzero()从中选择元素或索引数组。从这个数组开始：>>>a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])可以使用np.nonzero()打印元素的索引，例如小于5：>>>b=np.nonzero(a<5)>>>print(b)(array([0,0,0,0]),array([0,1,2,3]))在这种情况下，返回一个数组元组：每个维度一个。第一个数组表示找到这些值的行索引，第二个数组表示找到这些值的列索引。如果要生成元素所在的坐标列表，可以压缩数组，遍历坐标列表，然后打印它们。例如：>>>listlist_of_coordinates=list(zip(b[0],b[1]))>>>forcoordinlist_of_coordinates:...print(coord)(0,0)(0,1)(0,2)(0,3)也可以使用np.nonzero()打印数组中小于5的元素，使用：>>>print(a[b])[1234]如果要查找的元素不存在在数组中，然后return索引数组将为空。例如：>>>not_there=np.nonzero(a==42)>>>print(not_there)(array([],dtype=int64),array([],dtype=int64))
