NumPy整数数组索引工作原理解析及相关疑问解答

嘿，我来帮你把这个容易搞懵的知识点掰扯明白！NumPy的整数数组索引初看有点绕，但拆解开核心逻辑其实挺直观的——它本质上是让你非连续、甚至重复地选取数组中特定位置的元素，和普通的单索引、切片完全不是一回事儿。

先从一维数组入手，最简单的情况 #

先拿一维数组举例子，一目了然：

import numpy as np
arr = np.array([10, 20, 30, 40, 50])

如果我想选第0、2、4位的元素，不用一个个写arr[0], arr[2], arr[4]，直接用一个整数列表/数组当索引：

indices = [0, 2, 4]
result = arr[indices]
# 输出：array([10, 30, 50])

这里的逻辑超级直白：索引数组里的每个整数，对应原数组中该位置的元素，最终把这些元素按索引数组的顺序拼成新数组。甚至你可以重复选同一个元素，比如indices = [0,0,1]，结果就是array([10,10,20])。

二维数组才是重点，搞懂对应关系就通了 #

二维数组的整数索引容易懵，核心要记住：行和列的索引是一一对应的，不是“选某几行加某几列”（那是切片的活儿）。

先定义一个二维数组：

arr_2d = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])

情况1：用两个一维数组指定行和列 #

比如我给出行索引rows = [0, 1, 2]，列索引cols = [1, 2, 0]，执行arr_2d[rows, cols]，得到的结果是array([2, 6, 7])。
这里的对应逻辑是：

• 第0个元素：行索引0 + 列索引1 → 原数组的arr_2d[0,1] = 2
• 第1个元素：行索引1 + 列索引2 → 原数组的arr_2d[1,2] = 6
• 第2个元素：行索引2 + 列索引0 → 原数组的arr_2d[2,0] = 7
  简单说就是两个索引数组的相同位置元素配对，取出对应位置的单个元素，再按顺序组合。

情况2：混合整数索引和切片 #

如果只想选特定的几行，然后保留所有列（或某几列切片），可以这么写：

# 选第0行和第2行的所有元素
result = arr_2d[[0, 2], :]
# 输出：
# array([[1, 2, 3],
#        [7, 8, 9]])

这里的逻辑是先通过整数数组选出指定行，再对这些行应用列的切片规则（:表示所有列），这个就和你平时用切片的逻辑衔接上了。

情况3：利用广播实现批量选取 #

如果索引数组的形状不一样，NumPy会自动广播成相同形状，然后再配对选取。比如：

rows = np.array([[0, 0], [1, 1]])  # 形状(2,2)
cols = np.array([[0, 1], [2, 0]])  # 形状(2,2)
result = arr_2d[rows, cols]
# 输出：
# array([[1, 2],
#        [6, 4]])

每个位置的元素都是行和列索引对应位置的组合，比如rows[0,0]=0 + cols[0,0]=0 → 1，rows[1,1]=1 + cols[1,1]=0 → 4，以此类推。

关键误区要避开 #

很多人一开始会把整数数组索引和切片搞混：

• 如果你想选“第0、1行，第0、1列”的子数组，要用切片：arr_2d[0:2, 0:2]，得到的是2x2的子数组
• 而arr_2d[[0,1], [0,1]]得到的是array([1,5])，是两个单个元素的组合，完全不是一回事儿！

另外要记住：整数数组索引返回的是原数组的副本，而切片返回的是视图——因为选取的元素可能是非连续的，没法用视图来关联原数组。

内容的提问来源于stack exchange，提问作者Bhuvesh Gupta