1 数据类型
写这篇文章的初衷是在我用矩阵的逻辑切片遇到问题了，然后上网找相关的文章，发现很多文章的作者根本没有搞懂这三种数据类型的区别，有的人坚持认为二维数组就是矩阵，标题都写错了，实在是不严谨。这里先科普一下这三个数据类型：
- 列表，翻译过来就是list，是python自带的数据类型，里边的数据类型可以是任意的、不相同的，你再里边嵌套另外一个list都可以。像这样，都是合法的：
list1 = [['a','b'],1,2,'a','b']
list不可以做数学运算的，如果两个list相加，其实就是把两个list拼接起来而已。
a = [1,2,3,4]
b = [2,3,4,5]
a+b
Out: [1, 2, 3, 4, 2, 3, 4, 5]
- 数组，翻译过来就是array，是python numpy里的数据类型，既然叫数组，肯定全部都是由数字组成的，这样的话就可以进行各种加减乘除操作了。array有一维、二维、三维、n维的，怎么区分呢，一般是有几个中括号就是几维。比如下面这个是二维数组：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
-矩阵，翻译过来就是matrix,是python numpy里的数据类型，说实话这个数据类型有点鸡肋了，因为它能做的操作array都可以，只不过语法上有所区别，但是matrix又是最接近我们数学里现代学过的那个matrix所以短时间内不会被改变的，至于用不用，看你自己的需求吧。注意，这个很容易跟array混淆，比如乘法，逻辑切片等操作都不一样。下边就是一个矩阵，长得跟array一样，但是很多操作都不一样。
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
2 逻辑切片方法
知道列表、数组和矩阵是什么了，下面就讲讲逻辑切片的事，说这个之前我默认你对于他们的基本切片操作都了解了。至少知道不能拿一个列表去对列表进行切片，但是可以拿列表对array进行切片，如果你不知道我说的什么意思，自己去学一下基础知识。
- 列表的逻辑切片，列表切片很简单的就是三个数字拼一起，比如list1[1:4:1]代表从第2位到第5位每次按步长1取数，但不包括最后的第5位。更多操作自己探索，很简单的。
现在要解决的是列表可以不可以采用逻辑切片，下面来试验一下：
a = [1,2,3,4]
a[a==2]
out:
1
程序没报错，好像可以用逻辑切片，但是仔细一看应该输出2才对，为什么输出的是1啊，因为程序先判断a==2是不是成立，是按一个列表去判断的，返回的是False,False就是0，自然返回0下标对应的元素1。
接下来，自己输入一个逻辑列表进去看看是啥：
a = [1,2,3,4]
a[[True,False,False,False]]
TypeError: list indices must be integers or slices, not list
很遗憾报错了，因为之前也说了list不接受列表作为下标，用逻辑值切片自然也是不可实现的。
- 数组
数组的逻辑切片使用的是最顺手的，实际工程项目中逻辑切片也经常发生在数组上，这个思路比较简单，先看例子：
data = np.arange(16).reshape(4,4)
data = np.array(data)
data[data[:,2] == 6]
输出：
array([[4, 5, 6, 7]])
一切都没有问题，返回了满足条件的那一行，主要是因为data[:,2] == 6返回的事一维数组用于对应data这个二维数组哪一行该输出，很显然在数组里逻辑切片是简单好用的。
- 矩阵
既然数组里那么好用，那么矩阵是二维数组的特殊形式也应该可以用吧，我们来操作一下：
data = np.arange(16).reshape(4,4)
data = np.mat(data)
data[data[:,2] == 6]
输出：
IndexError: boolean index did not match indexed array along dimension 1; dimension is 4 but corresponding boolean dimension is 1
很遗憾，报错了，对于一些用矩阵编写的程序，难道逻辑切片就不可用了吗，别急肯定有解决方案，但得先知道原因，运行一下data[:,2] == 6，返回一个二维矩阵，用二维矩阵去做切片本身就是错的，因为通常只有一维数组才能做切片啊，好了 现在就是把二维矩阵转化成一维数组了，有两种思路：
思路1：
data = np.arange(16).reshape(4,4)
data = np.mat(data)
data[np.array(data)[:,2] == 6]
Out[99]: matrix([[4, 5, 6, 7]])
既然数组可用，那么我们直接用数组做切片就好了，得到最终结果是个矩阵，和上边数组的区别是数组得到的是array。
思路2：
data = np.arange(16).reshape(4,4)
data = np.mat(data)
data[(data_mat[:,2] == 6).flatten().tolist()]
Out[101]: matrix([[4, 5, 6, 7]])
也好用，主要是先把矩阵拉平再转化成list就可以做切片了
总结一下就是：
列表不能做逻辑切片的
数组是我们最常用做逻辑切片的
矩阵也能做逻辑切片不过得处理一下
一般我们采用数组做逻辑切片就好啦，如果有矩阵的应用场景，你数组做完再转回矩阵就可以了。
