第一章总结了有关numpy库中array对象的相关构造方法以及array对象的比较重要的成员方法，本章将总结矩阵的索引操作。

索引基础

1.使用“[ ]”，(方括号)操作符索引矩阵元素。

2.“a:b”,表达式产生从a到b的序列。（常用作切片器（slicing））

索引方法

1.自然索引

使用"[ ]"操作符，对array 对象的某一维度进行索引。

#自然索引实例

x=np.arange(10).reshape(2,5)    #产生shape=2*5的矩阵

a=x[1,1]    #获取（2,2）的值（索引单位为两个维度）

b=x[1]    #获取第二行元素（索引单位为一个维度）

2.数组索引

        numpy array 对象可以被其它array对象（或者其它任何可以被转换成array对象的序列）索引。此时当做索引的数组的内容是位置。注意，所有的数组索引返回的都是原来array对象的拷贝，（copy），但是切片（slicing）返回原来对象的视图（view），操作会影响原对象。

#数组索引实例

x=np.arange(10).reshape(2,5)    #产生shape=2*5的矩阵

a=x[np.array([0,1]),np.array([3,2])]    #获取(0,3)元素和(1,2)元素，两个数组构成坐标对

b=x[0:1,3:2]    #输出同上，采用“：”操作符产生索引数组

c=x[np.array([0,1]),2]    #获取（0,2）和（1,2）元素。此处第二维采用的brocasting技术，索引2 广播为（2,2）

e=x[0:1:1,0:4:2]    #start:stop:steps，产生序列。此处steps指定了步长

f=x[::-1,2]    #::-1，缺省sart 表示从第一个元素开始，缺省steps表示步长为1，缺省stop表示最后一个元素。

s=x[::1]    #以第一个维度为单位进行索引

g=np.arange(10)

h=g[np.array([1,1],[2,3])    #输出h.shape=(2,2)，输出数组的维度和输入数组的维度同等。输入索引数组的单个元素作为索引。

总结：数组索引技术之下，返回的数组形状与索引数组以及没用使用的维度相关。同时，索引中存在broadcasting技术，构成坐标对。

3.布尔索引（mask索引）

布尔索引中所使用的布尔索引数组必须和被索引的数组维度相同，缺省维度操作与“：”操作效果相同——作为一个整体。一般来讲，可以由原来的矩阵做逻辑运算产生布尔索引矩阵。布尔索引产生的返回数组是原数组的copy，换而言之，修改返回结果不会影响到原来数组的值。

#布尔索引实例

x=np.arange(30).reshape(2,3,5)

b=np.array([[True,True,False],[False,True,True]])    #形状为2*3，缺省第三个维度

x[b]    #输出为4*4（b矩阵中有4个True）

4.增加数组维度

np.newaxis对象可以在已有的数组之上构造出多一个维度的数组。

x=np.arange(10)

print(x[:,np.newaxis])    #shape=n*1

print(x[np.newaxis,:])    #shape=1*n

>>>[[0] [1] [2] [3] [4] [5] [6] [7] [8] [9]]

>>>[[0 1 2 3 4 5 6 7 8 9]]

5.tuples和array索引的区别

“[ ]”作为索引时，为索引对应位置上的值，产生一个同型的矩阵（索引维数较被索引的array对象低时候，采用broadcasting技术）,"( )"出现在array对象中的时候，当做索引一个array元素。

x=np.arange(20).reshape(5,4)

print(x[[2,3,4]])    #产生一个array对象

print(x[(1,2)])    #返回一个数