對一維數組來說，NumPy數組的索引切片與Python列表的功能差不多：

>>> arr
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> arr[3]
3
>>> arr[2:6]
array([2, 3, 4, 5])
>>> arr[3:]
array([3, 4, 5, 6, 7, 8, 9])

但是，特別註意的是，如果要將一個標量值賦值給一個切片，這個修改會直接反映到源數組上(即使你已經新建了一個變量來保存)，NumPy數組切片是原始數組的視圖。

>>> arr_temp = arr[4:6]
 
>>> arr_temp
array([4, 5])
>>> arr_temp[1]=7
>>> arr
array([0, 1, 2, 3, 4, 7, 6, 7, 8, 9])

因為NumPy設計的目的是處理大數據，所以如果要不斷復制數據的話會帶來巨大的性能和內存問題。因此，NumPy選擇所有切片都使用初始視圖來提高效率。

對高維數組，可以對各個元素進行遞歸訪問。為了方便，可以傳入以逗號隔開的索引列表來選取：

>>> arr2=np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> arr2[1]
array([
 
4, 5, 6])
>>> arr2[1][1]
5
>>> arr2[1,1]
5

再比如這個：

>>> arr2[1:,2]
array([6, 9])

前一個1:表示從索引1到結尾，即[[4,5,6],[7,8,9]]，後一個2是下一個維度的索引2，即6,9，因此返回了[6,9]。

除了基本的索引，還有一種叫花式索引的操作，指的是利用整數數組進行索引。花式索引與切片不同，會把數據復制到新數組中。

NumPy數組基本的索引和切片