以下是关于“numpy中实现ndarray数组返回符合特定条件的索引方法”的完整攻略。
NumPy简介
NumPy是Python中的一个开源数学库用于处理大型维数组和矩阵。它提供了高效的数组和数学函数，可以用于学计算、数据分析、机器习等域。
NumPy的主要特点包括：
- 多维数组对象ndarray，支持向量化算和广播功能。
- 用于对数组快速操作的标准数学函数。
- 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。
- 线性代数、随机数生成和傅里叶变换功能。
ndarray数组返回符合特定条件的索引方法
NumPy提供了多种方法来返回符合特定条件的索引，包括：
- np.where()函数
- np.nonzero()函数
- np.argwhere()函数
np.where()函数
np.where()函数可以返回符合特定条件的元素的索引。下面是一个简单的示例代码，演示了如何使用np.where()函数：
import numpy as np
# 创建一个数组
a = np.array([1, 2, 3, 4, 5])
# 返回大于3的元素的索引
b = np.where(a > 3)
# 输出结果
print('原数组：', a)
print('大于3的元素的索引：', b)
在上面的示例代码中，我们使用np.array()函数从Python列表中创建了一个数组，并将其存储在变量a中。然后，我们使用np.where()函数返回大于3的元素的索引，并将结果存储在变量b中。最后，我们输出了原数组和大于3的元素的索引。
输出结果为：
原数组： [1 2 3 4 5]
大于3的元素的索引： (array([3, 4]),)
可以看到，我们成功地使用np.where()函数返回了符合特定条件的元素的索引。
np.nonzero()函数
np.nonzero()函数可以返回数组中非零元素的索引。下面是一个简单的示例代码，演示了如何使用np.nonzero()函数：
import numpy as np
# 创建一个数组
a = np.array([1, 0, 2, 0, 3, 0, 4, 0, 5])
# 返回非零元素的索引
b = np.nonzero(a)
# 输出结果
print('原数组：', a)
print('非零元素的索引：', b)
在上面的示例代码中，我们使用np.array()函数从Python列表中创建了一个数组，并将其存储在变量a中。然后，我们使用np.nonzero()函数返回非零元素的索引，并将结果存储在变量b中。最后，我们输出了原数组和非零元素的索引。
输出结果为：
原数组： [1 0 2 0 3 0 4 0 5]
非零元素的索引： (array([0, 2, 4, 6, 8]),)
可以看到，我们成功地使用np.nonzero()函数返回了数组中非零元素的索引。
np.argwhere()函数
np.argwhere()函数可以返回符合特定条件的元素的索引。下面是简单的示例代码，演示了如何使用np.argwhere()函数：
import numpy as np
# 创建一个数组
a = np.array([1, 2, 3, 4, 5])
# 返回大于3的元素的索引
b = np.argwhere(a > 3)
# 输出结果
print('原数组：', a)
print('大于3的元素的索引：', b)
在上面的示例代码中，我们使用np.array()函数从Python列表中创建了一个数组，并将其存储在变量a中。然后，我们使用np.argwhere()函数返回大于3的元素的索引，并将结果存储在变量b中。最后，我们输出了原数组和大于3的元素的索引。
输出结果为：
原数组： [1 2 3 4 5]
大于3的元素的索引： [[3]
[4]]
可以看到，我们成功地使用np.argwhere()函数返回了符合特定条件的元素的索引。
示例1：使用np.where()函数返回数组中偶数元素的索引
下面是一个示例代码，演示了如何使用np.where()函数返回数组中偶数元素的索引：
import numpy as np
# 创建一个数组
a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
# 返回偶数元素的索引
b = np.where(a % 2 == 0)
# 输出结果
print('原数组：', a)
print('偶数元素的索引：', b)
在上面的示例代码中，我们使用np.array()函数从Python列表中创建了一个数组，并将其存储在变量a中。然后，我们使用np.where()函数返回数组中偶数元素的索引，并将结果存储在变量b中。最后，我们输出了原数组和偶数元素的索引。
输出结果为：
原数组： [1 2 3 4 5 6 7 8 9]
偶数元素的索引： (array([1, 3, 5, 7]),)
可以看到，我们成功地使用np.where()函数返回了数组中偶数元素的索引。
示例2：使用np.nonzero()函数返回数组中非零元素的索引
下面是一个示例代码，演示了如何使用np.nonzero()函数返回数组中非零元素的索引：
import numpy as np
# 创建一个数组
a = np.array([1, 0, 2, 0, 3, 0, 4, 0, 5])
# 返回非零元素的索引
b = np.nonzero(a)
# 输出结果
print('原数组：', a)
print('非零元素的索引：', b)
在上面的示例代码中，我们使用np.array()函数从Python列表中创建了一个数组，并将其存储在变量a中。然后，我们使用np.nonzero()函数返回数组中非零元素的索引，并将结果存储在变量b中。最后，我们输出了原数组和非零元素的索引。
输出结果为：
原数组： [1 0 2 0 3 0 4 5]
非零元素的索引： (array([0, 2, 4, 6, 8]),)
可以看到，我们成功地使用np.nonzero()函数返回了数组中非零元素的索引。
总结
综上所述，“numpy中实现ndarray数组返回符合特定条件的索引方法”的完整攻略包括了np.where()函数、np.nonzero()函数和np.argwhere()函数三种方法，以及两个示例代码。实际应用中，可以根据具体的需求使用这些方法来返回符合特定条件的元素的索引。