Index
python 的 index 非常有趣，它包括负数 index 。对于一个长度为 3 的 array ，有：
a = [0, 1, 2]
a[2] # 2
a[-3] # 0总的来说就是现在的 index 范围变成了 。
Naive Slice
Python 的切片语法非常多变，有如下几种形式：
a[start:end:step]
a[start:end]
a[start::step]
a[:end:step]
a[start:]
a[:end]
a[::step]可以看出基本上都是 [start:end:step] 的简化。
当 step 为正数的时候，我们是“从左向右”构造切片，切片的顺序是与原本数组的顺序相同的。而当 step 为负数的时候，我们是“从右向左”构造切片，切片的顺序是与原本数组的顺序相反的。
无论如何，切片包含的元素，都是以 start 为起始点，以 end 前 的元素为终止点的。也就是说，当 step 为正时，范围是 [start, end) ，而当 step 为负时，范围是 (end, start] 。
start 和 end 都可以使用负数 index ，使用负数并不意味着某种方向，我们只在乎这些 index 具体指向哪个元素。
当 start 或 end 空缺时，表示并 不会约束 切片在起点或者终点上的选取，这甚至和取 0 和 len 还不同，是真正的没有约束。
Numpy Slice
numpy 相对于普通的 slice ，引入了新的语法 , 。
当我们由一个普通的二维数组的时候，我们是没有办法使用如下语法的：
b = [[1, 2],
[3, 4]]
print(b[0:, 0:])但是在 numpy 中是可以的：
import numpy as np
b = np.array(b)
print(b[0:, 0:])我也不知道这是怎么做到的，不过没有关系，不耽误我们用就行了。
[slice1, slice2] 语法是一种交集运算，它会筛选出在第一个维度上符合 slice1 的 index1 ，然后在第二个维度上选择符合 slice2 的 index2 ，然后确定它们的交集。
需要强调的是，这样选出来的切片，维度并不会下降，比如说 b[:, 1:] 就是第二个列向量，但是它也依然是一个二维矩阵，其形状为：
array([[2],
[4]])与之形成对比的是 index 语法，比如说 b[:, 1] 就是一个向量了，甚至都不是列向量（也没法是，毕竟一维数组无法表示列向量），而是行向量。
array([2, 4])