前言
NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍Python NumPy 数组索引及访问数组元素。
1、访问数组元素
数组索引与访问数组元素相同。
您可以通过引用其索引号来访问数组元素。
NumPy数组中的索引以0开头，这意味着第一个元素的索引为0，第二个元素的索引为1等。
例如：
从以下数组中获取第一个元素：
import numpy as np
arr = np.array([1, 3, 3, 4])
print(arr[0])
# 1
例如：
从以下数组中获取第二个元素。
import numpy as np
arr = np.array([1, 3, 3, 4])
print(arr[1])
# 3
例如：
从以下数组中获取第三和第四个元素并将其添加。
import numpy as np
arr = np.array([1, 2, 3, 4])
print(arr[2] + arr[3])
# 7
2、访问 2-D Arrays(数组)
要访问二维数组中的元素，我们可以使用逗号分隔的整数来表示元素的维数和索引。
例如：
在第一个昏暗处访问第二个元素：
import numpy as np
arr = np.array([[1,12,3,4,5], [6,7,8,9,10]])
print('2nd element on 1st dim: ', arr[0, 1])
# 2nd element on 1st dim: 12
例如：
进入第二个暗处的第五个元素：
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,110]])
print('5th element on 2nd dim: ', arr[1, 4])
# 5th element on 2nd dim: 110
3、访问 3-D Arrays(数组)
要访问3-D数组中的元素，我们可以使用逗号分隔的整数来表示元素的尺寸和索引。
例如：
访问第一个数组的第二个数组的第三个元素:
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
print(arr[0, 1, 2])
示例说明
arr[0, 1, 2]输出的值为6.
这就是为什么：
第一个数字表示第一维，它包含两个数组：
[[1、2、3]，[4、5、6]]
和：
[[7、8， 9]，[10，11，12]]
因为我们选择了0，所以剩下的第一个数组是：
[[1、2、3]，[4 ，5，6]]
第二个数字代表第二维，它还包含两个数组：
[1、2、3]
和：
[4、5、6]
，因为我们选择了1，剩下第二个数组：
[4，5，6]
第三个数字代表第三个维度，其中包含三个值：
4
5
6
由于我们选择了2，因此我们以第三个维度结束 值：
6
4、负索引
使用负索引从头开始访问数组。
例如：
打印第二个暗处的最后一个元素：
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,110]])
print('Last element from 2nd dim: ', arr[1, -1])
# Last element from 2nd dim: 110
参考：https://www.cjavapy.com/article/1040/
