資料內(nèi)容：
ndarray 可以使用標(biāo)準(zhǔn)的 Python x[obj] 語(yǔ)法進(jìn)行索引，其中 x 是數(shù)組，obj 是選擇
對(duì)象。根據(jù) obj 的不同，有多種索引方式可用：基本索引、高級(jí)索引和字段訪問(wèn)。
以下大多數(shù)示例展示了在引用數(shù)組中的數(shù)據(jù)時(shí)使用索引的方法。這些示例在賦值
給數(shù)組時(shí)同樣適用。
請(qǐng)注意，在 Python 中，x[(exp1, exp2, ..., expN)] 與 x[exp1, exp2, ..., expN] 是等價(jià)的；
后者只是前者的語(yǔ)法糖。
1 基本索引
單元素索引
單元素索引的操作方式與其他標(biāo)準(zhǔn) Python 序列完全相同。它是基于 0 的，并且
接受負(fù)索引以從數(shù)組末尾進(jìn)行索引。
>>> x = np.arange(10)
>>> x[2]
2
>>> x[-2]
8
無(wú)需將每個(gè)維度的索引分別放在各自的方括號(hào)中。
>>> x.shape = (2, 5) # now x is 2-dimensional
>>> x[1, 3]
8
>>> x[1,-1]
9
請(qǐng)注意，如果用一個(gè)維度數(shù)少于數(shù)組維度的索引來(lái)索引多維數(shù)組，將會(huì)得到一個(gè)
低維的子數(shù)組。
例如：
>>> x[0]
array([0, 1, 2, 3, 4])
即，每個(gè)指定的索引都會(huì)選擇一個(gè)對(duì)應(yīng)于其余選定維度的數(shù)組。在上面的示例中，
選擇 0 意味著長(zhǎng)度為 5 的剩余維度未被指定，返回的是一個(gè)具有該維度和大小的
數(shù)組。必須注意的是，返回的數(shù)組是一個(gè)視圖，即它不是原始數(shù)組的副本，而是
與原始數(shù)組指向內(nèi)存中相同的值。在這種情況下，返回的是第一個(gè)位置（0）處的一維數(shù)組。因此，在返回的數(shù)組上使用單個(gè)索引時(shí)，將返回一個(gè)單一元素。即：
>>> x[0][2]
