数组的索引和切片
从数组中获取元素可以使用切片和索引，ndarray中除了普通索引和切片外还增加了新的索引功能，更方便的实现从ndarray中获取元素，接下来介绍如何从不同维度的数组中获取元素。
普通索引
一维数组索引
语法：数组名[索引值]
>>> import numpy as np
>>> a = np.array([2,4,6,8,10])
array([ 2, 4, 6, 8, 10])
>>> a[0] # 索引位置为0的元素
2
二维数组索引
语法：数组名[行的索引值, 列的索引值]
示例：
>>> a = np.arange(1, 25).reshape(4,6) # 创建二维数组
>>> a
array([[ 1, 2, 3, 4, 5, 6],
[ 7, 8, 9, 10, 11, 12],
[13, 14, 15, 16, 17, 18],
[19, 20, 21, 22, 23, 24]])
>>> a[2,4] # 获取索引为第2行，第4列的元素
17
三维数组索引
语法：数组名[页的索引值, 行的索引值, 列的索引值]
示例：
>>> a = np.arange(1, 25).reshape(2,4,3) # 创建三维数组
>>> a
array([[[ 1, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9],
[10, 11, 12]],
[[13, 14, 15],
[16, 17, 18],
[19, 20, 21],
[22, 23, 24]]])
>>> a[1, 2, 0] # 获取索引为第1页，第2行，第0列的元素
19
切片
一维数组切片
语法：数组名[开始值: 结束值: 步长]
- 步长默认为1
- 开始值默认为0
- 结束值为开区间
示例：
>>> a = np.array([2,4,6,8,10])
>>> a
array([ 2, 4, 6, 8, 10])
>>> a[1:3] # 切取从索引值1开始到索引值为3（不包含3）的元素
array([4, 6])
二维数组
语法：数组名[ 行的开始值: 行的结束值: 行的步长, 列的开始值: 列的结束值: 列的步长]
示例：
>>> a = np.arange(1, 25).reshape(4,6)
>>> a
array([[ 1, 2, 3, 4, 5, 6],
[ 7, 8, 9, 10, 11, 12],
[13, 14, 15, 16, 17, 18],
[19, 20, 21, 22, 23, 24]])
>>> a[1:4, 1:3] # 行选取索引从1开始到4结束（不包含4），列选取索引从1开始到3结束（不包含3）
array([[ 8, 9],
[14, 15],
[20, 21]])
三维数组
语法：数组名[页的开始值: 页的结束值: 页的步长, 行的开始值: 行的结束值: 行的步长, 列的开始值: 列的结束值: 列的步长]
示例：
>>> a = a = np.arange(1, 49).reshape(3,4,4)
>>> a
array([[[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12],
[13, 14, 15, 16]],
[[17, 18, 19, 20],
[21, 22, 23, 24],
[25, 26, 27, 28],
[29, 30, 31, 32]],
[[33, 34, 35, 36],
[37, 38, 39, 40],
[41, 42, 43, 44],
[45, 46, 47, 48]]])
>>> a[1:2,2:4,1:3] # 使用逗号间隔页，行，列
array([[[26, 27],
[30, 31]]])
通过以上示例可以看出多维数据中使用逗号间隔不同的维度。
高级索引
整数数组索引
一维数组
语法：数组名[[索引1，索引2，…]]
>>> a = np.array([2,4,6,8,10])
>>> a
array([ 2, 4, 6, 8, 10])
>>> a[[2,3]] # 同时获取多个元素，将索引值放入列表中构成整数数组索引
array([6, 8])
二维数组
语法：数组名[[行的索引值], [列的索引值]]
>>> a = np.arange(1, 25).reshape(4,6)
>>> a
array([[ 1, 2, 3, 4, 5, 6],
[ 7, 8, 9, 10, 11, 12],
[13, 14, 15, 16, 17, 18],
[19, 20, 21, 22, 23, 24]])
>>> a[[1,3],[2,2]] # 索引为1行、2列的元素，索引为3行、2列的元素。
array([ 9, 21])
注意：示例代码中第一个列表[1,3]为行的索引，[2, 2]为列的索引。
三维数组
语法：数组名[[页的索引值], [行的索引值], [列的索引值]]
>>> a = np.arange(1, 49).reshape(3,4,4)
>>> a
array([[[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12],
[13, 14, 15, 16]],
[[17, 18, 19, 20],
[21, 22, 23, 24],
[25, 26, 27, 28],
[29, 30, 31, 32]],
[[33, 34, 35, 36],
[37, 38, 39, 40],
[41, 42, 43, 44],
[45, 46, 47, 48]]])
>>> a[[0,1],[2,1],[0,3]] # 逗号间隔了页，行，列。第一个列表中为页的索引，第二个列表为行的索引，第三个为列的索引
array([ 9, 24])
布尔索引
语法：数组名[条件表达式]
示例：
>>> a = np.arange(1, 25).reshape(4,6)
>>> a
array([[ 1, 2, 3, 4, 5, 6],
[ 7, 8, 9, 10, 11, 12],
[13, 14, 15, 16, 17, 18],
[19, 20, 21, 22, 23, 24]])
>>> a[a>10] # 布尔索引将满足条件的筛选出来，返回一维数组
array([11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24])