NumPy基础-索引

数组索引是指使用方括号（[]）来索引数组值。索引有很多选项，这给NumPy提供了强大的索引功能，但是强大的功能也带来了一些复杂性和潜在的混乱。

单个元素的索引

一维数组的单元素索引是我们所期望的，它的工作方式与其他标准Python序列完全相同。它基于0，并且接受复索引以数组末尾开始索引。

与列表和元组不同，numpy数组支持多维数组的多维索引。这意味着不必将每个维度的索引都分成自己的一组方括号。

这里我们要注意，如果索引一个多维数组的索引比维数少，则将获得一个多维数组。例如：

也就是说，指定的每个索引都会选择与所选维度的其余部分相对应的数组。在上面的示例中，选择0表示长度5的剩余维未指定，返回的是该维和大小的数组。必须注意，返回的数组不是原始数组的副本，而是指向内存中与原始数组相同的值。在这种情况下，将返回第一个位置（0）的一维数组。因此，在返回的数组上使用单个索引会导致返回单个元素。例如：

因此请注意，尽管第二种情况的效率较低，因为在第一个索引之后创建了一个新的临时数组，随后将其索引为2。（x[0,2]=x[0][2]）
我们要注意那些用于IDL或Fortran内存顺序的索引，因为它们与索引有关。NumPy使用C顺序索引。这意味着最后一个索引通常代表变化最快的内存位置，这与Fortran或IDL不同，在Fortran或IDL中，第一个索引代表内存中变化最快的位置。这种差异代表了很大的混淆可能性。

其它索引选项

可以对数组进行切片和步进以提取相同数量的维，但数组大小与原始数组不同。切片和步进的工作方式与列表和元组完全相同，只是它们也可以应用于多个维度。例如：

数组切片不会复制内部数组数据，只会生成原始数据的新视图。这与列表或元组切片不同，copy（）如果不再需要原始数据，则建议使用显示切片。
为了从数组中选择值列表到新数组中，可以将数组与其他数组索引。有两种不同的方法可以实现这一点：其一是使用一个或多个索引值数组，其二是给出一个正