1. 多维数组使用元组作为数组的下标，如a[1,2]，当然你也可以添加圆括号为a[(1,2)]。
   1. 元组中每个元素和数组的每个轴对应。下标元组的第 0 个元素与数组的第 0 轴对应，如第 1 个元素与数组的第 1 轴对应...
2. 多维数组的下标必须是一个长度和数组的维度ndim相等的元组。
   1. 如果下标元组的长度大于数组的维度ndim，则报错
   2. 如果下标元组的长度小于数组的维度ndim，则在元组的后面补 :，使得下标元组的长度等于数组维度ndim。
   3. 如果下标对象不是元组，则Numpy会首先将其转换为元组。
   4. 下面的讨论都是基于下标元组的长度等于数组维度ndim的条件。
3. 单独生成切片时，需要使用slice(begin,end,step) 来创建。其参数分别为：开始值，结束值，间隔步长。如果某些参数需要省略，则使用None。因此， a[2:,2]等价于a[slice(2,None,None),2]
   • 使用python内置的slice()创建下标比较麻烦(首先构造切片，再构造下标元组)，numpy提供了一个numpy.s_对象来帮助我们创建数组下标。s_对象实际上是IndexExpression类的一个对象

4. 多维数组的下标元组的元素可能为下列类型之一：整数、切片、整数数组、布尔数组。如果不是这些类型，如列表或者元组，则将其转换成整数数组。

• 多维数组的下标全部是整数或者切片：索引得到的是元素数组的一个视图。

• 多维数组的下标全部是整数数组：假设多维数组为X。假设这些下标整数数组依次为A1,A2,⋯,An 。这n 个数组必须满足广播条件。假设它们进行广播之后的维度为 M ，形状为(d_0,d_1,⋯,d_{M−1}) 即：广播之后有 M个轴：第 0 轴长度为 d_0 ，...，第 M−1轴长度为d_{M-1} 。假设 A1,A2,⋯,An经过广播之后分别为数组 A′1,A′2,⋯,A′n 则：索引的结果也是一个数组 R ，结果数组R的维度为M ，形状为(d0,d1,⋯,dM−1) 。其中

结果数组的下标并不来源于 ，而是来源于下标数组的广播之后的数组。相反，如果多维数组的下标为整数或者切片，则结果数组的下标来源于

5. 当下标使用整数或者切片时，所取得的数据在数据存储区域中是等间隔分布的。因为只需要修改数组的ndim/shape/strides等属性以及指向数据存储区域的data指针就能够实现整数和切片下标的索引。所以新数组和原始数组能够共享数据存储区域。 当使用整数数组（整数元组，整数列表页转换成整数数组），布尔数组时，不能保证所取得的数据在数据存储区中是等间隔的，因此无法和原始数组共享数据，只能对数据进行复制。

6. 索引的下标元组中：

• 如果下标元组都是切片，则索引结果的数组与原始数组的维度相同（轴的数量相等）
• 每多一个整数下标，则索引结果的数组就少一个维度（少一个轴）
• 如果所有的下标都是整数，则索引结果的维度为 0

如果下标元组中存在数组，则还需要考虑该下标数组广播后的维度 7. 通过索引获取的数组元素的类型为数组的dtype类型 。如果你想获取标准python类型，可以使用数组的item()方法。