NumPy - Indexação Avançada
É possível fazer uma seleção de ndarray que é uma sequência não tupla, objeto ndarray do tipo de dados inteiro ou booleano ou uma tupla com pelo menos um item sendo um objeto de sequência. A indexação avançada sempre retorna uma cópia dos dados. Contra isso, o fatiamento apresenta apenas uma visão.
Existem dois tipos de indexação avançada - Integer e Boolean.
Indexação Inteira
Este mecanismo ajuda a selecionar qualquer item arbitrário em uma matriz com base em seu índice dimensional. Cada array inteiro representa o número de índices nessa dimensão. Quando o índice consiste em tantos arrays inteiros quantas as dimensões do ndarray de destino, ele se torna direto.
No exemplo a seguir, um elemento da coluna especificada de cada linha do objeto ndarray é selecionado. Portanto, o índice da linha contém todos os números da linha e o índice da coluna especifica o elemento a ser selecionado.
Exemplo 1
import numpy as np
x = np.array([[1, 2], [3, 4], [5, 6]])
y = x[[0,1,2], [0,1,0]]
print ySua saída seria a seguinte -
[1 4 5]A seleção inclui elementos em (0,0), (1,1) e (2,0) da primeira matriz.
No exemplo a seguir, os elementos colocados nos cantos de uma matriz 4X3 são selecionados. Os índices de linha de seleção são [0, 0] e [3,3], enquanto os índices de coluna são [0,2] e [0,2].
Exemplo 2
import numpy as np
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print 'Our array is:'
print x
print '\n'
rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])
y = x[rows,cols]
print 'The corner elements of this array are:'
print yO resultado deste programa é o seguinte -
Our array is:
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
The corner elements of this array are:
[[ 0 2]
[ 9 11]]A seleção resultante é um objeto ndarray contendo elementos de canto.
A indexação avançada e básica podem ser combinadas usando uma fatia (:) ou reticências (…) com uma matriz de índice. O exemplo a seguir usa fatia para linha e índice avançado para coluna. O resultado é o mesmo quando a fatia é usada para ambos. Mas o índice avançado resulta em cópia e pode ter um layout de memória diferente.
Exemplo 3
import numpy as np
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print 'Our array is:'
print x
print '\n'
# slicing
z = x[1:4,1:3]
print 'After slicing, our array becomes:'
print z
print '\n'
# using advanced index for column
y = x[1:4,[1,2]]
print 'Slicing using advanced index for column:'
print yA saída deste programa seria a seguinte -
Our array is:
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
After slicing, our array becomes:
[[ 4 5]
[ 7 8]
[10 11]]
Slicing using advanced index for column:
[[ 4 5]
[ 7 8]
[10 11]]Indexação de matriz booleana
Esse tipo de indexação avançada é usado quando o objeto resultante deve ser o resultado de operações booleanas, como operadores de comparação.
Exemplo 1
Neste exemplo, os itens maiores que 5 são retornados como resultado da indexação booleana.
import numpy as np
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print 'Our array is:'
print x
print '\n'
# Now we will print the items greater than 5
print 'The items greater than 5 are:'
print x[x > 5]A saída deste programa seria -
Our array is:
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
The items greater than 5 are:
[ 6 7 8 9 10 11]Exemplo 2
Neste exemplo, os elementos NaN (não é um número) são omitidos usando ~ (operador de complemento).
import numpy as np
a = np.array([np.nan, 1,2,np.nan,3,4,5])
print a[~np.isnan(a)]Sua saída seria -
[ 1. 2. 3. 4. 5.]Exemplo 3
O exemplo a seguir mostra como filtrar os elementos não complexos de uma matriz.
import numpy as np
a = np.array([1, 2+6j, 5, 3.5+5j])
print a[np.iscomplex(a)]Aqui, a saída é a seguinte -
[2.0+6.j 3.5+5.j]