目录
- numpy多维数组索引
- 切片索引
- 布尔索引
- 多维数组的索引与切片（基于numpy）
- 总结
numpy多维数组索引
切片索引
python的numpy中的多维数组，有时候需要定位到数组中的某些区域元素的位置。
- 一维
一维数组很简单，我们可以直接指定索引，或者使用切片索引。
比如: data[0]，这时候输出单个具体数值，没有维度
data[:3]，这时候输出一个一维的子数组
- 二维
二维数组也不难理解
data[0,1] 定位一个指定的具体数值，没有维度
data[0,:]定位一维数组
data[:,:] 定位二维数组
- 三维
三维数组有些难以理解，之前遇到的三维数组有点蒙圈，现在重点理解一下。
比如现在创建一个三维数组
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]]])
data[:,:,1] 会定位输出一个二维数组，具体怎么输出这个二维数组呢，我们把第一列的索引看作第一维，第二列索引看作第二维，第三列索引看作第三维，第三维是个确定的索引，所以我们的第三维数组将会降维的一个具体的值，最后得到的二维数组将会是第一维和第二维组成的一个二维数组。
array([[ 1, 4, 7], [10, 13, 16], [19, 22, 25]])
同理data[:,1,1]会定位输出一个一维数组，他的输出是：
array([ 4, 13, 22])
四维
四维和三维类似，具体到哪个维度的索引我们就降维哪一维
布尔索引
一维
多维数组的索引与切片（基于numpy）
根据我的理解，关于多维数组的索引与切片，不需要可以去记他的模式，这一小块，唯一需要理解的是这个多维数组的shape.只要把这个概念真正理解了，关于索引与切片问题迎刃而解了；
首先初始化上面的这样一个多维数组x,观察其x的数组结构，然后看x.shape=(2,3,3). 观察这个结果，其实含义可以理解为，后面的（3,3）是一个矩阵，表示其行数与列数，前面的2表示到底有几个这样的矩阵。你再查看其x的表示结构，是不是很好理解了。
那么现在我们要利用索引方式取特定位置上的数，注意其索引是从0开始的，那么取几个索引，看看是不是理想的结果、
根据理解，x[0][2][1]表示取第一个矩阵中，第三行第二列的数字。（注意索引是从0开始的）
如果上面的你真正理解，那么切片也不是什么困难的，下面来切一下：
基于上面的结果，这里做了两个切片。（注意切片的值。如1:3， 实际上只能取1,2 这里要注意）
其中一个切片为x[1][0][1:3] 实际上可以理解为我要在第二个矩阵中做切片。怎么切那？ 取第一行的1~2列、、看看结果、、（还是要注意索引从0开始哦）
另外一个切片是x[0][2][:2]
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持自由互联。