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/