1分钟带你搞明白 NumPy 的 ndarray 切片操作

NumPy 的 ndarray 切片操作是一种灵活且强大的方式，用于获取数组的子数组，切片操作使得对数组的操作更加灵活和方便，可以方便地获取、处理和分析数组的不同部分，进行数据处理和分析。切片操作的基本语法是使用方括号  [] ，并指定起始索引、结束索引和步长（可选）。以下是切片操作的一些关键特点和示例：
 
1. 指定起始和结束索引：可以通过指定起始索引和结束索引来提取指定范围内的元素。
例如， arr[1:3]  会提取从索引 1 到索引 2（不包括索引 3）的元素。
2. 省略起始索引：省略起始索引表示从数组的开头开始提取。
例如， arr[:3]  会提取数组的前三个元素。
3. 省略结束索引：省略结束索引表示提取到数组的末尾。
例如， arr[1:]  会提取从索引 1 到数组末尾的所有元素。
4. 步长：可以通过指定步长来改变提取元素的间隔。
例如， arr[::2]  会每隔一个元素提取一个。
5. 负数索引：负数索引可以从数组的末尾开始计数。
例如， arr[-2:-1]  会提取数组的最后两个元素。
6. 灵活组合：可以根据需求组合使用上述方式来提取各种不同的子数组。

下面就让我们通过代码实例来加深理解：

# Python列表中的切片l = [1,2,3,4,5,6,7,8,9]print(l[2:6])# 执行结果[3, 4, 5, 6]       # 列表翻转print(l[::-1])# 执行结果[9, 8, 7, 6, 5, 4, 3, 2, 1]​# NumPy数组n = np.array(l)n# 执行结果array([1, 2, 3, 4, 5, 6, 7, 8, 9])​n[2:6],l[::-1]# 执行结果(array([3, 4, 5, 6]), [9, 8, 7, 6, 5, 4, 3, 2, 1])​# 二维或多维n = np.random.randint(0,10,size=(6,8))n# 执行结果array([[3, 1, 0, 5, 6, 1, 3, 9],       [2, 7, 2, 0, 6, 5, 0, 6],       [3, 7, 1, 6, 2, 4, 0, 3],       [9, 2, 2, 5, 6, 3, 4, 0],       [3, 5, 9, 3, 2, 3, 2, 9],       [4, 9, 6, 4, 6, 5, 4, 7]])       # 行，取一行print(n[0])# 执行结果[3 1 0 5 6 1 3 9]​# 取连续的多行：切片print(n[1:4])# 执行结果[[2 7 2 0 6 5 0 6] [3 7 1 6 2 4 0 3] [9 2 2 5 6 3 4 0]]​# 取指定多行：中括号print(n[[1,2,4]])# 执行结果[[2 7 2 0 6 5 0 6] [3 7 1 6 2 4 0 3] [3 5 9 3 2 3 2 9]] # 重复获取指定行print(n[[1,4,2,2,3]])# 执行结果[[2 7 2 0 6 5 0 6] [3 5 9 3 2 3 2 9] [3 7 1 6 2 4 0 3] [3 7 1 6 2 4 0 3] [9 2 2 5 6 3 4 0]]       # 列，取一列print(n[:,0])   # 取所有行，和第0列# 执行结果[3 2 3 9 3 4]​print(n[1:4,0]) # 执行结果[2 3 9]​# 取连续的多列：切片print(n[:,2:5])# 执行结果[[0 5 6] [2 0 6] [1 6 2] [2 5 6] [9 3 2] [6 4 6]] print(n[1:4,2:5])# 执行结果[[2 0 6] [1 6 2] [2 5 6]] # 取不连续的多列：中括号print(n[:,[1,3,4]])# 执行结果[[1 5 6] [7 0 6] [7 6 2] [2 5 6] [5 3 2] [9 4 6]] print(n[1:4,[1,3,4]])# 执行结果[[7 0 6] [7 6 2] [2 5 6]]