数组的索引与切片
数组的索引
类似 Python 的列表，numpy 中的数组也可以用中括号指定获取索引值位置的元素。索引值同样从零开始计数，且可以使用负数索引获取末尾元素：
不同与 Python 的嵌套列表，可以用逗号分隔的索引元组获取多维数组的某一元素，而不需要多次索引：
索引元组是多次切片的一个便捷替代，因此前面的值代表的是外层数组的索引。
可以用以上的索引方式为数组内某个位置的元素分配一个新值：
注意，numpy 的数组是固定类型的，当将一个不同类型的元素插入数组时，它会被隐式地截短转换：
数组的切片
numpy 的数组也支持切片语法，语法和 Python 对序列的切片一致。如果 arr 是一个数组，可以用以下语法对 arr 切片：
对一维数组的切片很简单，与 Python 切片语法一致。例如以下几个简单示例：
多维数组的切片也采用类似索引的方法处理：可以用逗号分隔的切片对象来逐维切片，例如：
该切片的意思是先在第二个维度（列方向）取前 2 项元素，再在第一个维度（行方向）取前三项元素。下面再给出一个更复杂的示例：
一种常见的需求是获取多维数组的特定行和列。这种情况下，可以用索引与切片组合起来实现该功能，用单个冒号“ : ”表示空切片（即不做切片，获取该维度的所有元素）：
意思是不对第二个维度做切片（保留所有行），然后获取每行的首个元素。再如：
在更高维的数组切片中，还可以使用省略号来表示多个连续的空切片，例如：
为了不发生歧义，一个切片中最多只能使用一个省略号。
最后关于数组切片需要注意的是，切片返回的也是数组的视图，因此在切片中修改元素也会影响原数组。如果确实需要得到一个副本子数组的话，可以对切片对象使用 .copy() 方法得到副本。
切片与数组升维
切片还可用于给数组增加维度。一种常见的需求是将一个数组变成二维数组的行或列，此时可以在数组切片中使用 np.newaxis 变量给数组添加新维度，具体操作为：
以上操作在 np.newaxis 对应的位置加上了一个维度，使数组的形状变成了 (-1, 1) ，形成二维数组（列向量）。
可以结合以下升维再切片降维的过程理解，两个切片互为逆过程：
np.newaxis 实际上是 None 的别名。该过程虽然是升维，但得到的也是数组的视图。
高级索引机制
数组索引
接下来简单介绍另外一种索引方式数组索引，也称作花哨的索引(fancy indexing)。花哨的索引和前面那些简单的索引非常类似，但是传递的是索引数组，而不是单个标量。这种强大的索引能够快速获得并修改复杂的数组值的子数据集。
如果在索引中传递单个列表或数组，它包括的元素会被当做索引值，可以获取若干元素构成的数组（视图）：
数组索引得到的数组形状与索引的形状一致，而不是与原数组的形状一致：
这种索引方式也适用于多维数组，不过多维数组下的数组索引是这样工作的：如果向索引内传入多个数组，那么每个数组分别确定每个维度的索引。例如：
以上两个数组结合确定了三个位置：[1, 0] [2, 1] 和 [2, 3] 。
可以将普通索引、切片和数组索引组合使用，使数组在某些维度做普通索引，某些维度做切片，某些维度用数组索引。例如，索引：
取第二行的数组中除最后一个元素外的所有元素，但不改变数组间的嵌套关系。再如：
取第一行及往后的第一个和最后一个元素，但不改变数组间的嵌套关系。
用数组索引修改值
切片和数组索引可以用于获取部分元素，并且返回的是数组视图。如果对视图内的元素赋值，可以批量修改数组的一部分数据，例如：
可以做任意的赋值操作，例如：
数组索引有一种特殊情况，那就是对同一个位置做了多次索引，导致重复获取该位置的值。如果对一个位置做重复的赋值，会导致前面的赋值被覆盖：
因为该操作对最后一个位置的元素赋值了两次。覆盖的本质是只有最后一次对元素的操作才有效，因此对同一个元素的多次复合运算赋值不会累计起效：
本节对数组的索引机制暂时到这边结束。下一节将介绍通用函数和数组的广播机制，可以结合数组索引做一些更复杂的操作。