数值范围中的数组(Array From Numerical Ranges)
可以通过索引或切片来访问和修改ndarray对象的内容，就像Python的内置容器对象一样。
如前所述，ndarray对象中的项遵循从零开始的索引。 有三种类型的索引方法可用 - field access, basic slicing和advanced indexing 。
基本切片是Python切片到n维的基本概念的扩展。 通过向内置slice函数提供start, stop和step参数来构造Python切片对象。 将此切片对象传递给数组以提取数组的一部分。
例子1 (Example 1)
import numpy as np
a = np.arange(10)
s = slice(2,7,2)
print a[s]
其输出如下 -
[2 4 6]
在上面的示例中， ndarray对象由arange()函数准备。 然后，分别用开始，停止和步骤值2,7和2定义切片对象。 当这个切片对象传递给ndarray时，它的一部分从索引2开始直到7，步长为2。
通过将冒号:（start:stop:step）分隔的切片参数直接赋予ndarray对象，也可以获得相同的结果。
例子2 (Example 2)
import numpy as np
a = np.arange(10)
b = a[2:7:2]
print b
在这里，我们将获得相同的输出 -
[2 4 6]
如果只放置一个参数，则将返回与索引对应的单个项目。 如果在其前面插入:，则将提取该索引以后的所有项目。 如果使用两个参数（在它们之间使用:），则会对具有默认第一步的两个索引（不包括停止索引）之间的项进行切片。
例子3 (Example 3)
# slice single item
import numpy as np
a = np.arange(10)
b = a[5]
print b
其输出如下 -
5
例子4 (Example 4)
# slice items starting from index
import numpy as np
a = np.arange(10)
print a[2:]
现在，输出将是 -
[2 3 4 5 6 7 8 9]
例5
# slice items between indexes
import numpy as np
a = np.arange(10)
print a[2:5]
在这里，输出将是 -
[2 3 4]
以上描述也适用于多维ndarray 。
例6
import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print a
# slice items starting from index
print 'Now we will slice the array from the index a[1:]'
print a[1:]
输出如下 -
[[1 2 3]
[3 4 5]
[4 5 6]]
Now we will slice the array from the index a[1:]
[[3 4 5]
[4 5 6]]
切片还可以包括省略号（...），以生成与数组维度长度相同的选择元组。 如果在行位置使用省略号，它将返回包含行中项目的ndarray。
例7
# array to begin with
import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print 'Our array is:'
print a
print '\n'
# this returns array of items in the second column
print 'The items in the second column are:'
print a[...,1]
print '\n'
# Now we will slice all items from the second row
print 'The items in the second row are:'
print a[1,...]
print '\n'
# Now we will slice all items from column 1 onwards
print 'The items column 1 onwards are:'
print a[...,1:]
该计划的产出如下 -
Our array is:
[[1 2 3]
[3 4 5]
[4 5 6]]
The items in the second column are:
[2 4 5]
The items in the second row are:
[3 4 5]
The items column 1 onwards are:
[[2 3]
[4 5]
[5 6]]
