slice[start : stop : step]

1. 对一维数组切片或索引

核心：操作类似list（），或者MATLAB的一维数组写法

import numpy as np
a = np.arange(10)
print('a is:\n',a)
b = a[0]
print('b is:\n',b)
c = a[0:7:2]
d = a[5:]
print('c is:\n',c)
print('d is:\n',d)
a is:
 [0 1 2 3 4 5 6 7 8 9]
b is:
c is:
 [0 2 4 6]
d is:
 [5 6 7 8 9]
2. 对多维数组切片或索引
注意MATLAB是一个个点坐标，numpy是同维度的坐标写在一个括号里。
例如三维空间数组里有四个点：

(x1,y1,z1),(x2,y2,z2),(x3,y3,z3),(x4,y4,z4)
MATLAB写法

[ (x1,y1,z1) , (x2,y2,z2) , (x3,y3,z3) , (x4,y4,z4) ]
numpy写法

[(x1,x2,x3,x4) , (y1,y2,y3,y4) , (z1,z2,z3,z4)]
延伸抽象出numpy的写法，每个括号里类似一维操作。

[（针对x轴的一维操作），（针对y轴的一维操作），（针对z轴的一维操作）]
2.1 二维数组例子
格式: 数组名[行操作，列操作]

两个占位符：

... 维度占位符，对行或列全选/不操作

: 某个维度内元素占位符，对前/后的元素进行全选，参考切片的slice[start:stop:step]
切片可视化：
import numpy as np
x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])
print('x is :\n',x)
b = x[x >  5]
print('b is :\n',b)
# Python3.6 OUT
x is :
 [[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]
b is :
 [ 6  7  8  9 10 11]
NumPy之四：高级索引和索引技巧
numpy 数组索引
TutorialsPoint NumPy 教程
2018.5.14