一起學習，一起成長！
Numpy數組的索引是一個內容豐富的主題，因為選取數據子集或單個元素的方式有很多。
- 一維數組
In[13]：arr=np.arange(10)
In[14]：arr
Out[14]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
In[15]：arr[5]
Out[15]: 5
In[16]：arr[5:8]
Out[16]: array([5, 6, 7])
In[17]：arr[5:8]=12
In[18]：arr
Out[18]: array([ 0, 1, 2, 3, 4, 12, 12, 12, 8, 9])
如上所示，當你將一個標量值賦值給一個切片時（如arr[5:8]=12），該值會自動傳播到整個選取。跟列表最重要的區別在于，數組切片是原始數據的視圖。這意味著數據不會被復制，視圖上的任何修改都會直接反映到源數組上：
In[19]:arr_slice=arr[5:8]
In[20]:arr_slice[1]=12345
Out[21]:arr
Out[21]: array([0,1,2,3,4,12, 12345,12, 8,9])
In[22]:arr_slice[:]=64
In[22]:arr
Out[23]: array([ 0,1,2,3,4, 64, 64, 64,8,9])
由于Numpy的設計目的是處理大數據，假如Numpy堅持要將數據復制來復制去的話會產生何等的性能和內存問題。
警告：如果你想要得到的是ndarray切片的一份副本而非視圖，就需要顯示地進行復制操作，例如arr[5:8].copy()。
- 高維度數組
在一個二維數組中，各索引位置上的元素不再是標量而是一維數組：
In[24]: arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])
In[25]: arr2d[2]
#注意返回的值，是數組不是具體的標量
Out[25]: array([7, 8, 9])
「親，如果筆記對您有幫助，收藏的同時，記得給點個贊、加個關注哦！感謝！」
「文中代碼均親測過，若有錯誤之處，歡迎批評指正，一起學習，一起成長！」
利用Python進行數據分析
