NumPy 切片和索引
ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。
ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行（不包含stop），从原数组中切割出一个新数组。
实例
import numpy as np
a = np.arange(10)
s = slice(2,7,2) # 从索引 2 开始到索引 7 停止，间隔为2； 注意：不包含7
print (a[s])输出结果为：
[2 4 6]以上实例中，我们首先通过 arange() 函数创建 ndarray 对象。 然后，分别设置起始，终止和步长的参数为 2，7 和 2。
我们也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作：
实例
import numpy as np
a = np.arange(10)
b = a[2:7:2] # 从索引 2 开始，到索引 7 停止，间隔为 2； 注意：不包含7
print(b)[2 4 6]冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。
实例
import numpy as np
a = np.arange(10) # [0 1 2 3 4 5 6 7 8 9]
b = a[5]
print(b)5实例
import numpy as np
a = np.arange(10)
print(a[2:])输出结果为：
[2 3 4 5 6 7 8 9]实例
import numpy as np
a = np.arange(10) # [0 1 2 3 4 5 6 7 8 9]
print(a[2:5])输出结果为：
[2 3 4]多维数组同样适用上述索引提取方法：
实例
import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
# 从某个索引处开始切割
print('从数组索引 a[1:] 处开始切割')
print(a[1:])[[1 2 3]
[3 4 5]
[4 5 6]]
从数组索引 a[1:] 处开始切割
[[3 4 5]
[4 5 6]]
切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。
实例
import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print (a[...,1]) # 第2列元素
print (a[1,...]) # 第2行元素
print (a[...,1:]) # 第2列及剩下的所有元素[2 4 5] # 第2列元素
[3 4 5] # 第2行元素
[[2 3]
[4 5]
[5 6]]
一维数组：
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[2] + arr[3])
二维数组：
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
print('5th element on 2nd dim: ', arr[1, 4]) # 10 arr[1][4]
三维数组：
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
print(arr[0, 1, 2]) # 6 arr[0][1][2]
REF
https://www.w3school.com.cn/python/numpy_array_indexing.asp
http://c.biancheng.net/view/8289.html
https://www.codingdict.com/article/8223
https://www.wenjiangs.com/doc/numpy-advancedindex
https://www.runoob.com/numpy/numpy-indexing-and-slicing.html