numpy數組索引是一個大話題，有很多種方式可以讓你選中數據中的子集或者某個元素。主要有以下四種方式：
一，基礎索引
在一維數組中，你可以使用中括號指定索引獲取第i個值（從0開始計數），但是對於多維的數組，每個索引值對應的元素不再是一個數值，例如，在一個二維數組中，將得到一個以爲數組。單個元素可以繼續索引，或者傳遞一個索引的列表選擇單個元素。
import numpy as np
arr = np.arange(9).reshape((3,3))
arr[0] # array([0, 1, 2])
arr[0][0] # 0
arr[0,0] # 0
這種方式獲取的數據爲原數組的視圖，對於視圖數值的修改，也會修改原數組數值。
二·，切片索引
numpy切片與Python列表的標準切片語法相同，通過切片可以靈活地得到一個子數組。與基礎索引一樣，切片索引也是原數組的視圖，修改數據也會作用於原數組。
arr[:2,1:]
"""
array([[1, 2],
[4, 5]])
"""
切片索引有兩個實用的應用：
1，獲取數組的單行或者單列。
arr[0,:] # array([0, 1, 2]) 獲取第1行
arr[:,0] # array([0, 3, 6]) 獲取第1列
2，數組的逆序。
arr[::-1,::-1] # 對整個數組進行逆序
"""
array([[6, 7, 8],
[3, 4, 5],
[0, 1, 2]])
"""
arr[::-1,:] #行逆序
"""
array([[6, 7, 8],
[3, 4, 5],
[0, 1, 2]])
"""
arr[:,::-1] # 列逆序
"""
array([[2, 1, 0],
[5, 4, 3],
[8, 7, 6]])
"""
三，布爾索引
布爾索引主要是利用的布爾數組，當數組的比較操作（比如==、>=）也是可以向量化，這些比較運算的結果是一個布爾數據類型的數組。該數組與原數組的長度和形狀都是一致，我們可以獲取到對應位置爲True的值。
bool_arr = arr>3
arr[bool_arr] # array([4, 5, 6, 7, 8])
通過布爾索引獲得的子數組爲副本，修改後不影響原數組。
arr = np.array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
arr2 = arr[ arr>3]
arr2 = -1
arr
"""
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
"""
布爾數組操作
1，統計記錄個數
如果需要統計布爾數組中True的個數，可以使用np.count_nonzero函數
np.count_nonzero(arr>3) # 5
另一種方法是使用np.sum，False會被解釋爲0，而True被解釋爲1。sum()可以沿着行或列求和。
np.sum(arr>3) # 5
#每一列中大於3的個數
np.sum(arr>3,axis=0) # array([1, 2, 2])
2，快速地檢查是否包含True
np.all(arr>3) # False all 全部爲True時，返回True，否則返回False
np.any(arr>3) # True any 至少有一個爲True時，返回True，否則返回False
# np.all() 和 np.any()也可以沿着特定的軸。
np.all(arr>7,axis=0) # array([False, False, False])
np.any(arr>7,axis=0) # array([False, False, True])
3，python中的關鍵字and 和 or 對布爾數組不起作用，需要使用逐位邏輯運算符（&，|，^）
當使用 and 或者 or 時，就等於讓python將整個數組當作布爾對象；
當使用 & 或者 | 時，表達式操作的是數組中的元素，每個元素逐位運算。
# 每個元素逐位邏輯運算
a = np.array([1,0,1,1,0],dtype=bool)
b = np.array([1,0,1,1,0],dtype=bool)
a & b # array([ True, False, True, True, False])
a = np.array([1,0,1,1,0],dtype=bool)
b = np.array([1,0,1,1,0],dtype=bool)
a and b
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
a and b 之所以報錯，是因爲，無法知道a和b整個數組，分別是Ture還是False。沒法進行and運算，可以使用np.all() 或者 np.any()對整個數組進行判斷。
a = np.array([1,0,1,1,0],dtype=bool)
b = np.array([1,0,1,1,0],dtype=bool)
np.all(a) and np.any(b) # False
四，數組索引
數組索引在概念上很簡單，通過一個數組來一次性獲取多個元素，
arr[[1,2]]
"""
array([[3, 4, 5],
[6, 7, 8]])
"""
arr[[1,2],[0,1]]
# array([3, 7]) 分別獲取[1,0],[2,1]
在使用數組索引時，有兩個點需要注意：
1，使用數組索引，結果的形狀不是與被索引的數組的形狀一致。
arr.shape # (3, 3)
ind = np.array([[0,2],[1,2]])
arr[ind].shape # (2, 2, 3)
2，操作重複的索引可以會產生一些出乎意料的結果。
x = np.zeros(10)
x[[0,0]] = [4,6]
上面的代碼執行後，x的結果爲array([6., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
這裏會有疑問，4去哪裏了？其實上面的代碼等同於賦值兩次。
A=1
A,A = 2,3
A # 3
A=2，然後A=3，所以最後結果爲3。
繼續設想以下操作：
x = np.zeros(10)
x[[0,0]] +=1
x[0] # 1
按照之前的想法，x[0]的輸出結果應該的2，然而結果卻是1。x[[0,0]] +=1其實可以拆開爲：x[0],x[0] = x[0]+1,x[0]+1 ,換個簡單的例子：
a = 1
a,a=a+1,a+1
print("a="+str(a))
a的結果爲2，a,a=a+1,a+1的指向步驟是：
1，先計算等號右邊的結果，(2,2)
2，將右邊的結果賦給左邊：a=2，a=2。
在看一個例子：
a = 1
b = 2
a,a=b,a+b
print("a="+str(a))
a的結果爲3，a,a=b,a+b的指向步驟是：
1，先計算等號右邊的結果，(2,3)
2，將右邊的結果賦給左邊：a=2，a=3。
numpy數組索引真的是一個大話題，可以引申出許多東西的，還可以將四種方式混合使用，只要知道每種方式的特點，混合使用也不是問題。如有錯誤，歡迎留言指出。
參考：《Python數據科學手冊》