对于一维数组，其索引、切片和历遍操作与Python列表中的相应操作基本一致。
import numpy as np
a = np.arange(10)**3
a
Out[74]: array([ 0, 1, 8, 27, 64, 125, 216, 343, 512, 729], dtype=int32)
a[2]
Out[75]: 8
a[2:5]
Out[76]: array([ 8, 27, 64], dtype=int32)
a[:6:2] = -1000
a
Out[78]: array([-1000, 1, -1000, 27, -1000, 125, 216, 343, 512, 729], dtype=int32)
a[::-1]
Out[79]: array([ 729, 512, 343, 216, 125, -1000, 27, -1000, 1, -1000], dtype=int32)
对于多维数组，每一个维度上均需给出一个索引值，不同维度的索引值之间用逗号隔开。
def f(x, y):
return 10*x + y
b = np.fromfunction(f, (5,4), dtype=int)
b
Out[82]:
array([[ 0, 1, 2, 3],
[10, 11, 12, 13],
[20, 21, 22, 23],
[30, 31, 32, 33],
[40, 41, 42, 43]])
b[2,3]
Out[83]: 23
b[0:5,1]
Out[84]: array([ 1, 11, 21, 31, 41])
b[:,1]
Out[85]: array([ 1, 11, 21, 31, 41])
b[1:3,:]
Out[86]:
array([[10, 11, 12, 13],
[20, 21, 22, 23]])
b[b[:,0]<20,1]
Out[89]: array([ 1, 11])
对于多维数组，如果给出的索引值数量少于数组的维度，则默认缺失索引值的维度上选取整个切片，如b[-1]等同于b[-1, :]或b[i, ...]。注意，... 会根据数组的维度，自动省略对相应维度上索引值的定义。例如对于一个五维数组x：
-
x[1, 2, ...]等价于x[1, 2, :, :, :]； -
x[..., 3]等价于x[:, :, :, :, 3]； -
x[4, ..., 5, :]等价于x[4, :, :, 5, :]
c = np.array([[[ 0, 1, 2],
[ 10, 12, 13]],
[[100,101,102],
[110,112,113]]])
c.shape
Out[92]: (2, 2, 3)
c[1, ...]
Out[93]:
array([[100, 101, 102],
[110, 112, 113]])
c[..., 2]
Out[94]:
array([[ 2, 13],
[102, 113]])
多维数组的历遍是相对于第一维进行的。如果要对数组中的每个元素进行历遍，可以使用数组的flat属性。
b
Out[95]:
array([[ 0, 1, 2, 3],
[10, 11, 12, 13],
[20, 21, 22, 23],
[30, 31, 32, 33],
[40, 41, 42, 43]])
for row in b:
print(row)
[0 1 2 3]
[10 11 12 13]
[20 21 22 23]
[30 31 32 33]
[40 41 42 43]
for element in b.flat:
print(element)
0
1
2
3
10
11
12
13
20
21
22
23
30
31
32
33
40
41
42
43