好久没有更新文章了，除了忙于一些琐碎的事情，更重要的是想将学到的东西加以历练，以便更加成熟的展示给大家
好了开始今天的正题
Numpy 模块的索引和切片不得不和python当中列表的索引和切片联系起来
一维数组：
对于模块中的一维数组，我认为它和列表的索引和切片没有区别。
import numpy as np
arr = np.arange(10)
print(arr)arange 函数： 类似python中的内置函数range， 生成一个由参数构成的列表
请记住，在numpy中对于一维数组，也就是列表的索引不是根据下标来索引
arr = np.arange(10)
print(arr)
index = arr[6]
print(index)
如果我们是根据普通列表索引的话，结果应该是5 ，但是通过numpy进行索引的话结果是6，我通常把它认为是通过编号开始索引元素
如果我需要元素 “5”，我在索引的时候就应该通过编号来打印 arr[3]，而不是下标来进行索引，这块是是我思考了很久的结果。
import numpy as np
arr = np.arange(10)
print(arr)
index = arr[6:8]
print(index)
在这里我们看到了，无论是普通索引还是numpy 中对一维数组的索引，索引元素时，都是仅包括右边的数值而不包括左边的数值。
下来我们了解一个更高级的用法，对一维数组中某一些元素进行篡改
arr = [0, 1 ,2 ,3, 4, 5 ,6 ,7, 8, 9]
#我们首先对我们需要的数据进行索引，假设我们需要的数据是 4,5,6
arr[4:7]
#接着我们对获取的数据进行篡改
arr[4:7] = 12
print(arr)打印的结果： [0, 1 ,2 ,3, 12, 12 ,12 ,7, 8, 9]
请记住：这里一维数组的切片反映的是原数组的视图，这意味着数据并不是被复制了，对于任何视图的的修改都会反映到原数组上。
视图：在mysql中视图并不是数据真实存储的位置，视图数据的真是来源，是在表格中，据对视图数据的修改都是对原数据的修改。
下面我来提升一些难度，看看大家是否看得懂
对二维数组来进行索引和切片，
定义一个二维数组：
import numpy as np
arr =np.array( [[0, 1 ,2] ,[3, 4, 5] ,[6 ,7, 8]])
print(arr)
关于如何判断一个数组为几维数组，请观看它的开头和结尾的括号数，下面它是一个二维数组
下来我们对它进行索引：
arr =np.array( [[0, 1 ,2] ,[3, 4, 5] ,[6 ,7, 8]])
index = arr[0] #获取编号为0的行
print(index)
我们通过这张二维表来理解二维数组
如果我们给索引传入两个参数，会发生什么？ 例如： arr[1,2]
有的同学会问， arr[1,2] 不应该是获取该二维数组中第一行和第二行，有可能不需要第二行，请记住 这是索引不是切片，切片书写的方式是，arr[1:2],这样获取的结果应该是只能拿到第数组中的第一行，不包括第二行
arr[1,2] 它的意思呢，我想将它表示为 arr[x,y],或者arr[Axis 0,Axis 1],在索引中，第一个参数表示为行，第二个参数为列，arr[1,2],表示我将会会拿到arr数组中，编号为1的行，编号为2的列，单独元素
请记住，索引针对的是某一元素，而切片针对的是一个范围的数据，一个是讲单独，一个是讲范围
