1. 元素访问
1.1 单一元素访问
一维数组的元素访问非常简单，和 Python 列表规则基本差不多。对单一元素的访问，索引遵循从 0 开始，依次递增 1
案例：创建一个一维数组，并访问第3个元素
import numpy as np
arr=np.arange(10)
Out:
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])arr[6]
Out:
6
arr[-1]
Out:
92. 切片索引
2.1 基本切片
跟列表类似，你可以一次性多个索引位置，进行多元素的访问。如果索引位置是离散的，可以手动构造列表切片的形式传入。也可以利用 start、stop、step 的方式来生成切片器。
案例：对于上述创建的一位数组，我们同时访问首尾的元素，那么可以指定其索引位置0和-1，语法如下：
arr[[0, -1]]
Out:
array([0, 9])这种情况下，访问结果会重新构造为ndarray对象返回。
对于有规律的访问，可以
arr[1: : 2]
Out:
array([1, 3, 5, 7, 9])构造相应的切片器，例如我们访问上述数组中的偶数元素：
arr[0: -1: 2]
Out:
array([0, 2, 4, 6, 8])需要注意的是，在上述构造的切片器中，最后一位索引序列是无法取到的。例如我们访问奇数元素：
arr[1: -1: 2]
Out:
array([1, 3, 5, 7])对比发现，当切片器指定了 -1 时，末位元素是不会被选中的。
2.2 多维数组切片索引
对于二维数组，在某些特殊情况下，可以通过连续切片的方式进行访问。
案例：例如，我们创建一个连续整数组成的方阵：
arr_2d = np.arange(20).reshape(5,4)
Out:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]
[16, 17, 18, 19]])对 arr_2d 构造一个连续切片
arr_2d[0][1:3]
Out:
array([1, 2])对多维数组的索引，想要达到同样的的效果，可以一次传入多个切片。例如对上述结果，可以修改为：
arr_2d[0, 1:3]
Out:
array([1, 2])在上述步骤中，传入了 2 个切片。严格来讲，第一个切片是整数索引，是对数组的最外层（axis=0）进行选择；第二个切片是对数组的内一层（axis=1）进行选择。
更一般地，我们可以自由地根据需求，构造想要的切片效果。例如：
arr_2d[0:2, 1:3]
Out:
array([[1, 2],
[5, 6]])上述案例在 axis=0 方向上选择了第 0 和第 1 行，在 axis=1 方向上选择了第 1 列和第 2 列，两种切片方向的聚焦部分即为切片索引的结果。
需要指出的是，如果切片只有冒号，表示选取该方向的整个轴。例如，利用该方法，可以对二维数组进行列方向的切片：
arr_2d[:, 1:3]
Out:
array([[ 1, 2],
[ 5, 6],
[ 9, 10],
[13, 14]
[17, 18]])3. 布尔型索引
直观上理解，通过布尔类型来完成索引的过程，我们可以称之为布尔型索引。
案例:例如对于上述 arr_2d，我们通过传入 [True, True, False, False] 这样一个布尔类型的列表，来选择第 0 行和第 1 行：
arr_2d[[True, True, False, False]]
Out:
array([[0, 1, 2, 3],
[4, 5, 6, 7]])需要注意的是，传入的布尔类型列表的长度，需要跟被索引的轴的长度一致，否则会引起 IndexError。在实际使用中，可以灵活地把布尔索引和切片索引、整数索引混合使用，非常方便。
例如，这里利用布尔型索引和切片索引来达到列方向切片的效果：
arr_2d[:, [True, True, False, False]]
Out:
array([[ 0, 1],
[ 4, 5],
[ 8, 9],
[12, 13]
[15, 16]])
