numpy学习——数组的分片和索引以及高级索引（整数索引，布尔索引）

基本的分片和索引操作

• 多维数组的分片操作：

  >>> a = np.arange(27).reshape(3,3,3)
  
  >>> a
  
  array([[[ 0,  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]]])
  

  对三维数组，就要在三个维度上去运用切片

  >>> a[:,0,1]
  
  array([ 1, 10, 19])
  

  : 代表第一个维度，全部都遍历。0表示第二个维度取第一个，即：[0,1,2],[9,10,11],[18,19,20]，1表示第三个维度的第二个数字，就可以得到[1,10,19]

  如果想取到1,4,7怎么办？

  首先第一个维度先取第一个，即0,第二个维度是全部取的，因为每个都要。第三个维度取第二个数，即1。故：

  >>> a[0,:,1]
  
  array([1, 4, 7])
  

  除此之外，依旧可以取负值切片，如取7,4,1

  >>> a[0,::-1,1]
  
  array([7, 4, 1])
  

高级索引

当方括号内的索引方式不再是之前介绍的简单序列的时候，就会触发高级索引。高级索引包括整数索引和布尔索引。

• 整数索引

  对于一维数组而言，使用数组进行索引，返回的结果和索引数组的形状一样，不同的地方在于被索引数组的相关值会替代索引数组对应位置的值。

  >>> test = np.arange(10)
  
  >>> test[np.array([[1,2],[3,4]])]
  
  array([[1, 2],
         [3, 4]])
  

  由于1，2，3，4位置上的数字恰好是1，2，3，4。所以返回如上结果。

  再看另一组例子，依旧用之前生成好的a：

  >>> a
  
  array([[[ 0,  1,  2],
          [ 3,  4,  5],
          [ 6,  7,  8]],
  
         [[ 9, 10, 11],
          [12