索引numpy数组

索引是用于选择数组中条目的术语，例如根据其内容。这又是一个我们无法使用标准列表简单执行但Numpy非常有用的操作。

作为第一个简单示例，我们在这里创建一个1D Numpy数组：

import numpy
measurements = numpy.asarray([1, 17, 25, 3, 5, 26, 12])
measurements

array([ 1, 17, 25,  3,  5, 26, 12])

我们的目标现在是在这个数组中只恢复大于某个阈值的值，例如10。当我们使用简单的Python变量时，可以这样进行比较：

a = 5
b = a > 10
b

False

输出是一个布尔值，取值为True或False。幸运的是，我们可以对Numpy数组做同样的事情：

mask = measurements > 10
mask

array([False,  True,  True, False, False,  True,  True])

我们现在得到的不是单个布尔值，而是一个布尔值的Numpy数组。我们现在可以使用这个数组作为我们数据的掩码，以检索一个只包含掩码值（掩码数组中为True）的新数组。为此，我们再次使用括号（就像选择行和列一样），但使用掩码而不是索引：

measurements[mask]

array([17, 25, 26, 12])

应用于图像

我们可以在整个图像上执行相同的操作，而不是使用这个简单的1D数组。让我们再次导入blobs图片：

from skimage.io import imread, imshow
from microfilm.microplot import microshow

image = imread("../../data/blobs.tif")

microshow(image);

mask = image > 100
mask

array([[False, False, False, ...,  True,  True,  True],
       [False, False, False, ...,  True,  True,  True],
       [False, False, False, ...,  True,  True,  True],
       ...,
       [False, False, False, ..., False, False, False],
       [False, False, False, ..., False, False, False],
       [False, False, False, ..., False, False, False]])

现在我们得到了一个填充了布尔值的2D数组。我们甚至可以看一下它（白色值为True）：

microshow(mask);

现在我们可以进行索引以恢复所有高于我们100阈值的像素值：

image[mask]

array([112, 152, 184, ..., 152, 128, 112], dtype=uint8)

len(image[mask])

24969

我们有24969个像素高于阈值。

练习

为所有像素值高于200的创建一个新掩码。

应用掩码以检索一个包含大于200的数字的新数组。

计算所有大于200的像素的平均值。