numpy--1.4数组切片

获取x数组的一个切片：x[start : stop : step]

1.一维子数组

　　x = np.range（10） # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

　　（1）前五个元素

　　　　x[ : 5]

　　（2）索引五之后的元素

　　　　x[5 : ]

　　（3）中间的子数组

　　　　x[4 : 7]

　　（4）每隔一个元素

　　　　x[ : : 2]

　　（5）每隔一个元素，从索引1开始

　　　　x[1 : : 2]  # array([1, 3, 5, 7, 9])

　　（6）所有元素，逆序

　　　　x[ : : -1]  # array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])

　　（7）从索引5开始每隔一个元素逆序

　　　　x[5 : : -2]  # array([5, 3, 1])

2.多维子数组

多维切片也采用同样的方式，用逗号分割。

　　x2 = np.array([[7, 9, 2, 1],

　　　　　　　　　[7, 3, 7, 5],

　　　　　　　　　[1, 4, 0, 7]])

　　（1）两行，三列

　　　　x2[ : 2, : 3]

　　　　# array([[7, 9, 2],

　　　　#　　　 [7, 3, 7]])

　　（2）所有行，每隔一列

　　　　x2[ : 3, : : 2]

　　　　# array([[7, 2],
　　　　# 　　　[7, 7],
　　　　# 　　　[1, 0]])

　　（3）子数组也可以同时被逆序

　　　　x2[ : : -1, : : -1]

　　　　# array([[7, 0, 4, 1],
　　　　# 　　　[5, 7, 3, 7],
　　　　# 　　　[1, 2, 9, 7]])

3.获取数组的行和列

一种常见的需求是获取数组的单行和单列。可以将索引与切片组合起来实现这个功能，用一个冒号（:）表示空切片：

　　（1）x2的第一列

　　　　x2[ : , 0]  # array([7, 7, 1])

　　（2）x2的第一行

　　　　x2[0, : ]  # array([7, 9, 2, 1])

　　在获取时，出于语法的简洁考虑，可以省略空的切片：

　　　　x2[0]  等效于  x2[0, : ]

4.非副本视图的子数组

很重要的一点是，数组切片返回的是数组数据的视图，而不是数组数据的副本。这一点也是NumPy数组切片和Python列表切片的不同之处：在Python列表中，切片是值得副本。

这种默认的处理方式实际上非常有用：它意味着在处理非常大的数据集时，可以获取或处理这些数据集的片段，而不用复制底层的数据缓存。

5.创建数组的副本

可以通过copy()方法实现数组的复制：

　　x2_sub_copy = x2[ : 2, : 2].copy()