编辑这个页面须要登录或更高权限！

NumPy 数组索引

访问数组元素

数组索引等同于访问数组元素。
您可以通过引用其索引号来访问数组元素。
NumPy 数组中的索引以 0 开头，这意味着第一个元素的索引为 0，第二个元素的索引为 1，以此类推。

下面我们先来看看一维数组的索引操作：

>>> import numpy as np
>>> arr = np.array([1, 2, 3, 4])
>>> print(arr[0]) # 打印数组第一个元素
1
>>> print(arr[1]) # 打印数组第二个元素
2
>>> print(arr[2] + arr[3]) # 数组第三和第四个元素相加
7

访问 2-D 数组

要访问二维数组中的元素，我们可以使用逗号分隔的整数表示元素的维数和索引。

下面我们先来看看二维数组的索引操作：

>>> import numpy as np
>>> arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
>>> print('2nd element on 1st dim: ', arr[0, 1]) # 访问第一维中的第二个元素
2nd element on 1st dim: 2
>>> print('5th element on 2nd dim: ', arr[1, 4]) # 访问第二维中的第五个元素：
5th element on 2nd dim: 10

访问 3-D 数组

要访问 3-D 数组中的元素，我们可以使用逗号分隔的整数来表示元素的维数和索引。

>>> 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

第一个数字代表第一个维度，其中包含两个数组：
[[1, 2, 3], [4, 5, 6]] 和 [[7, 8, 9], [10, 11, 12]], 由于我们选择了 0，所以剩下第一个数组：[[1, 2, 3], [4, 5, 6]]。
第二个数字代表第二维，它也包含两个数组：[1, 2, 3]和 [4, 5, 6]因为我们选择了 1，所以剩下第二个数组：[4, 5, 6]。
第三个数字代表第三维，其中包含三个值：4、5、6
由于我们选择了 2，因此最终得到第三个值：6

负索引

使用负索引从尾开始访问数组。

打印第二个维中的的最后一个元素：

>>> import numpy as np
>>> arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])
>>> print('第二维度的最后一个元素: ', arr[1, -1])
第二维度的最后一个元素: 10
NumPy 数组切片NumPy 创建数组