高级索引
Numpy 比一般的 Python 序列提供更多的索引方式。除了前面章节介绍的用整数和切片的索引外，本节深入介绍布尔型索引和花式索引。
1. 布尔型索引
在前面的章节，我们简单介绍了，可以通过一个布尔数组来索引目标数组。
1.1 比较运算符与布尔型数组
在实际使用中，可以通过比较运算符来产生一个布尔型数组。
案例
利用random模块产生一个大小为7×4的随机数数组：
data = np.random.randn(,)data out:array([[-, -, , -], [ , -, -, ], [- , -, -, -], [-, , , ], [-, - , -, ], [-, , , ], [-, -, , -]])
定义一个名称数组，长度为7，并假设上述data中的每一行与名称数组中的名字一一对应。
names = np.array(['Ben','Tom','Ben','Jeremy','Jeremy','Tom','Ben'])names out:array(['Ben', 'Tom', 'Ben', 'Jeremy', 'Jeremy', 'Tom', 'Ben'], dtype='<U6')
对data数组，通过传入一个比较运算符，可以与全部元素逐一比较：
data > out:array([[False, False, True, False], [ True, False, False, True], [False, False, False, False], [False, True, True, True], [False, False, False, True], [False, True, True, True], [False, False, True, False]])
对同样大小的布尔型数组，可以利用&（和）、|（或）、-（非）进行运算。
例如对data进行-1~1之间的判断：
(data>-) & (data < )out:array([[ True, True, True, True], [ True, True, False, True], [ True, True, True, False], [ True, False, False, True], [ True, False, True, True], [False, False, False, True], [ True, True, True, True]])
1.2 比较运算符与布尔型索引
先利用比较运算符创建布尔型数组，再利用布尔型索引的功能，可以快速进行筛选。
案例
names中的每一个名字，和data的每一行是一一对应的关系。因此可以快速地选择出Ben的相关信息：
data[names=='Ben']out:array([[-, -, , -], [- , -, -, -], [-, -, , -]])
利用‘&’运算符，一次性选择出Ben和Tom的相关信息
data[(names=='Ben') | (names=='Tom')]out:array([[-, -, , -], [ , -, -, ], [- , -, -, -], [-, , , ], [-, -, , -]])
布尔型数组也可以和切片、整数索引混合使用：
array([[-, -], [ , -], [- , -], [-, ], [-, -]])
特别地，也可以利用data本身，快速选择出大于0的元素：
data[data > ]out:array([, , , , , , , , , , ])
这里选择的结果是以一维数组的形式返回的。
2. 花式索引
花式索引是一个Numpy术语，是指利用整数数组进行索引。
2.1 使用一维整型数组作为索引
对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；如果目标是二维数组，那么就是对应下标的行。
案例
对于上述案例中的names数组，通过传入一个特定顺序的整数列表（或ndarray），来按照指定顺序选取元素：
names[[,,,]]out:array(['Jeremy', 'Jeremy', 'Ben', 'Tom'], dtype='<U6')
如果使用负数，则会从末尾开始选取：
names[[-,-,-,-]]out:array(['Ben', 'Tom', 'Jeremy', 'Jeremy'], dtype='<U6')
案例
同样地，对data二维数组，通过传入特定顺序的整数列表，来按照指定顺序选取行：
data[[,]]out:array([[-, , , ], [ , -, -, ]])
2.2 传入多组索引序列
一次性传入多个索引数组，这种情况会有一些特殊，其返回的是一个一维数组，其中的元素对应各个索引元祖。
案例
data[[,,],[,,]]out:array([-, -, -])
一次性传入两个列表：[3,1,2]、[0,2,1]，最终选取出三个元素，其在data数组中的位置分别是（3, 0）、（1, 2）、（2, 1）。并没有和切片索引一样，返回一个矩形区域。
那么如何能够索引矩形区域呢？
案例
下面是得到矩形区域的一个这种的办法：
data[[,,]][:,[,,]]out:array([[-, , ], [ , -, -], [- , -, -]])
另外，需要记住一个结论是：花式索引和切片不一样，它总是将数据复制到一个新的数组中。
3. 小结
本节介绍了两种较为复杂的索引：布尔型索引和花式索引。布尔型索引中，通过与比较运算符连用，可以快速基于判断逻辑，筛选出指定数据。花式索引则是一种应用不多，但是较为特殊的索引，需要了解。