NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整數和切片的索引外，數組可以由整數數組索引、布爾索引及花式索引。
以下執行個體擷取數組中(0,0)，(1,1)和(2,0)位置處的元素。
import numpy as np
x = np.array([[1, 2], [3, 4], [5, 6]])
y = x[[0,1,2], [0,1,0]]
print (y)
輸出結果為：
以下執行個體擷取了 4X3 數組中的四個角的元素。 行索引是 [0,0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]。
x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]])
print ('我們的數組是：' )
print (x)
print ('\n')
rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])
y = x[rows,cols]
print ('這個數組的四個角元素是：')
傳回的結果是包含每個角元素的 ndarray 對象。
可以借助切片 : 或 … 與索引數組組合。如下面例子：
a = np.array([[1,2,3], [4,5,6],[7,8,9]])
b = a[1:3, 1:3]
c = a[1:3,[1,2]]
d = a[...,1:]
print(b)
print(c)
print(d)
我們可以通過一個布爾數組來索引目标數組。
布爾索引通過布爾運算（如：比較運算符）來擷取符合指定條件的元素的數組。
以下執行個體擷取大于 5 的元素：
print ('我們的數組是：')
# 現在我們會列印出大于 5 的元素
print ('大于 5 的元素是：')
print (x[x > 5])
以下執行個體使用了 ~（取補運算符）來過濾 NaN。
a = np.array([np.nan, 1,2,np.nan,3,4,5])
print (a[~np.isnan(a)])
以下執行個體示範如何從數組中過濾掉非複數元素。
a = np.array([1, 2+6j, 5, 3.5+5j])
print (a[np.iscomplex(a)])
輸出如下：
花式索引指的是利用整數數組進行索引。
花式索引根據索引數組的值作為目标數組的某個軸的下标來取值。對于使用一維整型數組作為索引，如果目标是一維數組，那麼索引的結果就是對應下标的行，如果目标是二維數組，那麼就是對應位置的元素。
花式索引跟切片不一樣，它總是将資料複制到新數組中。
1、傳入順序索引數組
x=np.arange(32).reshape((8,4))
print (x[[4,2,1,7]])
2、傳入倒序索引數組
print (x[[-4,-2,-1,-7]])
3、傳入多個索引數組（要使用np.ix_）
print (x[np.ix_([1,5,7,2],[0,3,1,2])])