先决条件：Python中的Numpy简介
Numpy或Numeric Python是用于在均匀n维数组上进行计算的软件包。在Numpy中，尺寸称为轴。

为什么我们需要NumPy？

出现一个问题，为什么在已经存在Python列表的情况下我们为什么需要NumPy。答案是我们不能直接对两个列表的所有元素执行操作。例如，我们不能直接将两个列表相乘，就必须逐个元素地进行。这就是NumPy发挥作用的地方。

# 演示NumPy需求的Python程序
list1 = [1, 2, 3, 4 ,5, 6]
list2 = [10, 9, 8, 7, 6, 5]
# 直接将两个列表相乘会产生错误.
print(list1*list2)

输出：

TypeError: can't multiply sequence by non-int of type 'list

使用NumPy数组可以轻松完成此操作。
另一个例子，

# Python程序演示NumPy数组的使用
import numpy as np
list1 = [1, 2, 3, 4, 5, 6]
list2 = [10, 9, 8, 7, 6, 5]
# 将list1转换为NumPy数组
a1 = np.array(list1)
# 将list2转换为NumPy数组
a2 = np.array(list2)
print(a1*a2)

输出：

array([10, 18, 24, 28, 30, 30])

本文将帮助您熟悉Numpy中的索引。Python的Numpy软件包具有以不同方式进行索引的强大功能。

使用索引数组建立索引

Numpy数组可以与其他数组或任何其他序列(元组除外)建立索引。最后一个元素的索引为-1，倒数第二索引为-2，依此类推。

# Python程序演示索引数组的使用.
import numpy as np
＃创建一个从10到1的整数序列，步长为-2
a = np.arange(10, 1, -2)
print("\n 具有负步长的顺序数组: \n",a)
# 索引在np.array方法中指定.
newarr = a[np.array([3, 1, 2 ])]
print("\n 这些索引处的元素是:\n",newarr)

输出：

具有负步长的顺序数组:
[10  8  6  4  2]
这些索引处的元素是:
[4 8 6]

另一个例子：

import numpy as np
# NumPy数组，元素从1到9
x = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
# 索引值可以为负.
arr = x[np.array([1, 3, -3])]
print("\n 元素是 : \n",arr)

输出：

元素是:
[2 4 7]

索引类型

索引有两种类型：

1. 基本切片和索引：考虑语法x [obj]，其中x是数组，而obj是索引:
   1. 一个切片对象，其形式为start：stop：step
   2. 一个整数
   3. 切片对象和整数的元组

   通过基本切片生成的所有数组始终都是原始数组的子数组。

   # 用于基本切片的Python程序.
   import numpy as np
   # 从0到19排列元素
   a = np.arange(20)
   print("\n 数组为:\n ",a)
   # a[start:stop:step]
   print("\n a[-8:17:1]  = ",a[-8:17:1])
   # ：运算符表示所有元素直到最后.
   print("\n a[10:]  = ",a[10:])

   输出：

   数组为:
   [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]
   a[-8:17:1]  =  [12 13 14 15 16]
   a[10:] = [10 11 12 13 14 15 16 17 18 19]

   省略号也可以与基本切片一起使用。省略号(…)：选择元组的长度与数组的尺寸相同的对象。

   # 使用带省略号的基本切片进行索引的Python程序
   import numpy as np
   # 3维数组
   b = np.array([[[1, 2, 3],[4, 5, 6]],
                 [[7, 8, 9],[10, 11, 12]]])
   print(b[...,1]) #相当于 b[: ,: ,1 ]

   输出：

   [[2 5]
    [8 11]]

   2, 高级索引，在obj为如下条件下：

   1. 整数或布尔类型的ndarray
   2. 或具有至少一个序列对象的元组
   3. 是一个非元组序列对象

   高级索引返回数据的副本，而不是其视图。高级索引具有整数和布尔两种类型。
   纯整数索引：当整数用于索引时。第一维的每个元素与第二维的元素配对。因此，在这种情况下元素的索引为(0,0)，(1,0)，(2,1)，并选择了相应的元素。

   # 显示高级索引的Python程序
   import numpy as np
   a = np.array([[1 ,2 ],[3 ,4 ],[5 ,6 ]])
   print(a[[0 ,1 ,2 ],[0 ,0 ,1]])

   输出：

   [1 3 6]

   布尔索引
   该索引具有一些布尔表达式作为索引。返回满足该布尔表达式的那些元素，您可能希望选择大于50的数字它用于过滤所需的元素值。

   # 您可能希望选择大于50的数字
   import numpy as np
   a = np.array([10, 40, 80, 50, 100])
   print(a[a>50])

   输出：

   [80 100]

    

   # 您可能希望对40的倍数求平方
   import numpy as np
   a = np.array([10, 40, 80, 50, 100])
   print(a[a%40==0]**2)

   输出：

   [1600 6400])

    

   # 您可能希望选择行数总和为10的倍数的那些元素。
   import numpy as np
   b = np.array([[5, 5],[4, 5],[16, 4]])
   sumrow = b.sum(-1)
   print(b[sumrow%10==0])

   输出：

   array([[ 5, 5], [16, 4]])