numpy数组一般有三种索引方式：

 

基础索引与切片

 

布尔索引

 

神奇索引

 

三种方法都可截取原数组中的部分数据，但是使用的时候在本质上却有区别，尤其是在处理大量数据时，不弄清索引本质，会导致最后预测结果不准确。

 

基础索引与切片

 

先上代码：

 

import numpy as np

 

arr = np.arange(25).reshape(5,5)

 

arr

 

arr1 = arr[:3]

 

arr1

 

arr1[1] = -1

 

arr

 

大家可以从上面的结果中发现，将arr前3行赋值给arr1，然后将arr1的第2行的数值改为-1，最后arr也发生了改变。原因是在基础索引中，返回的只是原数组的视图，而不是复制原数组，任何对于视图的修改，都会影响原数组。

 

解决方法，利用ndarray自带方法copy()，复制原数组。

 

arr = np.arange(25).reshape(5,5)

 

arr

 

arr1 = arr.copy()

 

arr1[1]=-1

 

arr

 

布尔索引

 

先上代码：

 

bool_ = [True,False,True,False,False]

 

arr1 = arr[bool_]

 

arr1

 

arr1[1]=-1

 

arr

 

可以发现，布尔索引并未出现类似问题，因为利用布尔值索引时，总是生成数据的拷贝，所以改变选择数据，对原数组没有影响。

 

神奇索引

 

index = [3,4,1,2]

 

arr1 = arr[index]

 

arr1

 

arr1[1]=-1

 

arr

 

神奇索引和布尔索引一样，选择数据的改变也不会影响原数组。