Numpy高维数组的索引（）

# 创建一个形状为 (3, 4, 2) 的随机数组
# arr 代表 3 个实例，每个实力有 4 个任务点，每个任务点有 (x, y) 坐标
arr = np.random.randint(0, 10, size=(3, 4, 2))arr:[[[8 4][2 9][0 5][4 7]][[5 5][1 6][8 5][1 8]][[6 2][5 5][4 5][9 6]]]

索引或切片	描述	这里的ijk都要加1	示例代码	结果形状与说明
arr[i]	选取第一个维度中索引为 i 的子数组。	选择第i个实例	arr[0]	形状: (4, 2) 选取第1个任务（索引0）的所有点。
arr[i, j]	选取第一个维度中索引为 i 的子数组的第二个维度中索引为 j 的子数组。	选择第i个实例第j个任务点	arr[0, 1]	形状: (2,) 选取第1个任务（索引0）的第2个点（索引1）的所有坐标。
arr[i, j, k]	选取第一个维度中索引为 i 的子数组的第二个维度中索引为 j 的子数组的第三个维度中索引为 k 的标量。	选择第i个实例第j个任务点的第k个坐标	arr[0, 1, 0]	形状: () (标量) 选取第1个任务的第2个点的x坐标。
arr[:, i]	选取所有第一个维度中索引为 i 的子数组。	选择所有实例的第i个任务点	arr[:, 1]	形状: (3, 2) 选取所有任务的第2个点（索引1）。
arr[:, :, k]	选取前两个维度的所有子数组中，第三个维度中索引为 k 的切片。	选择所有实例所有任务点的第k个坐标	arr[:, :, 0]	形状: (3, 4) 选取所有任务的所有点的x坐标。
arr[i:j]	切片：选取第一个维度中从索引 i 到 j-1 的所有子数组。	选择第i到j个实例（不包括j）	arr[1:3]	形状: (2, 4, 2) 选取第2个和第3个任务。
arr[i:]	切片：选取第一个维度中从索引 i 到末尾的所有子数组。	选择第i到最后的所有实例	arr[1:]	形状: (2, 4, 2) 选取第2个任务到末尾的所有任务。
arr[:-j]	切片：选取第一个维度中从开始到倒数第 j 个索引之前的所有子数组。	选择开头到倒数第j个的实例（不包括倒数第j）	arr[:-1]	形状: (2, 4, 2) 选取除了最后一个任务之外的所有任务。
arr[:, -1]	负索引：选取所有第一个维度的子数组中，第二个维度的最后一个子数组。	选择所有实例的最后一个任务点	arr[:, -1]	形状: (3, 2) 选取所有任务的最后一个点。
arr[..., i]	省略号：等价于在所有中间维度使用切片 : ，并选取第三个维度中索引为 i 的切片。	选择所有实例所有任务点的第k个坐标	arr[..., 0]	形状: (3, 4) 选取所有任务的所有点的x坐标（同 arr[:, :, 0]）。
arr[[i, j]]	花式索引：选取第一个维度中索引为 i 和 j 的子数组。	选择第i和第j个实例	arr[[0, 2]]	形状: (2, 4, 2) 选取第1个任务和第3个任务。
arr[arr > 5]	布尔索引：选取数组中所有满足条件 >5 的元素，并将其展平为一维数组。		arr[arr > 5]	形状: (n,) n 是满足条件的元素总数。返回一个包含所有大于5的元素的一维数组。