import numpy as nparr = np.arange(12)
print 'array is:', arrslice_one = arr[:4]
print 'slice begins at 0 and ends at 4 is:', slice_oneslice_two = arr[7:10]
print 'slice begins at 7 and ends at 10 is:', slice_twoslice_three = arr[0:12:4]
print 'slice begins at 0 and ends at 12 with step 4 is:', slice_three

# coding: utf-8
import numpy as nparr = np.arange(12).reshape((3, 4))
print 'array is:'
print arr# 取第一维的索引 1 到索引 2 之间的元素，也就是第二行
# 取第二维的索引 1 到索引 3 之间的元素，也就是第二列和第三列
slice_one = arr[1:2, 1:3]
print 'first slice is:'
print slice_one# 取第一维的全部
# 按步长为 2 取第二维的索引 0 到末尾 之间的元素，也就是第一列和第三列
slice_two = arr[:, ::2]
print 'second slice is:'
print slice_two

import numpy as nparr = np.arange(12).reshape((3, 4)).tolist()slice_two = [row[::2] for row in arr
]
print slice_two

# coding: utf-8
import numpy as nparr = np.arange(24).reshape((2, 3, 4))print arr[1, ...]               # 等价于 arr[1, :, :]
print arr[..., 1]               # 等价于 arr[:, :, 1]

对于一个多维数组来说，最简单的情况就是访问其中一个特定位置的元素了，如下所示:

# coding: utf-8
import numpy as nparr = np.array([[1, 2, 3, 4],[2, 4, 6, 8],[3, 6, 9, 12],[4, 8, 12, 16]
])
print '第二行第二列的值:', arr[1, 1]

第二行第二列的值: 4

相比之下，如果用 Python 的 list 来表示上述二维数组，获取同一个位置的元素的方法为:

# coding: utf-8
arr = [[1, 2, 3, 4],[2, 4, 6, 8],[3, 6, 9, 12],[4, 8, 12, 16]
]
print '第二行第二列的值:', arr[1][1]
try:print '第二行第二列的值(尝试用 Numpy 的方式获取):', arr[1, 1]
except Exception as e:print str(e)

第二行第二列的值: 4
第二行第二列的值(尝试用 Numpy 的方式获取): list indices must be integers, not tuple

如果只是二维数组，这种差别可能看起来并不大，但想象一下假如有一个 10 维的数组，用 Python 的标准做法需要写 10 对中括号，而用 Numpy 依然只需要一对。

事实上，在 Numpy 的索引操作方式 `x = arr[obj]` 中， obj 不仅仅可以是一个用逗号分隔开的数字序列，还可以是更复杂的内容。

1. 用逗号分隔的数组序列

   • 序列的长度和多维数组的维数要一致
   • 序列中每个数组的长度要一致

   import numpy as nparr = np.array([[1, 2, 3, 4],[2, 4, 6, 8],[3, 6, 9, 12],[4, 8, 12, 16]
   ])print arr[[0, 2], [3, 1]]
   

   [4 6]
   

   以上面这个例子来说，其含义是: 选择第一行和第三行，然后对第一行选择第四列，对第三行选择第二列。

2. boolean/mask index

   这个不太好翻译，所以就用原来的英语表达。

   所谓 boolean index，就是用一个由 boolean 类型值组成的数组来选择元素的方法。比如说对下面这样多维数组

   array([[1, 2, 3, 4],[2, 4, 6, 8],[3, 6, 9, 12],[4, 8, 12, 16]])
   

   如果要取其中 值大于 5 的元素，就可以用上 boolean index 了，如下所示:

   import numpy as nparr = np.array([[1, 2, 3, 4],[2, 4, 6, 8],[3, 6, 9, 12],[4, 8, 12, 16]])
   mask = arr > 5print 'boolean mask is:'
   print maskprint arr[mask]
   

   boolean mask is:
   [[False False False False][False False  True  True][False  True  True  True][False  True  True  True]]
   [ 6  8  6  9 12  8 12 16]
   

   除了比较运算能产生 boolean mask 数组以外， Numpy 本身也提供了一些工具方法:

   • numpy.iscomplex
   • numpy.isreal
   • numpy.isfinite
   • numpy.isinf
   • numpy.isnan

import numpy as nparr = np.arange(12).reshape(2, 6)
print 'array is:'
print arrslc = arr[:, 2:5]
print 'slice is:'
print slcslc[1, 2] = 10000
print 'modified slice is:'
print slc
print 'array is now:'
print arr