Numpy中的切片操作

在NumPy里，切片操作是从数组里选取特定元素的强大手段。下面会从基础概念、一维数组切片、二维数组切片、高级切片技巧等方面来详细介绍。

基础概念

NumPy数组的切片语法和Python列表的切片语法相似，不过NumPy的切片操作更为强大，能够处理多维数组。基本的切片语法为array[start:stop:step]，其中：

• start：切片起始位置的索引，默认值为 0。
• stop：切片结束位置的索引（不包含该位置的元素），默认值是数组的长度。
• step：切片的步长，默认值为 1。

一维数组切片

对于一维NumPy数组，切片操作和Python列表的切片操作基本相同。

import numpy as np

# 创建一维数组
arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8])

# 从索引 2 到索引 5（不包含 5）
print(arr[2:5])  

# 从索引 0 到索引 5（不包含 5），步长为 2
print(arr[0:5:2])  

# 从索引 2 到数组末尾
print(arr[2:])  

# 从数组开头到索引 5（不包含 5）
print(arr[:5])  

上述代码的输出结果如下：

[2 3 4]
[0 2 4]
[2 3 4 5 6 7 8]
[0 1 2 3 4]

二维数组切片

处理二维NumPy数组时，需要为每一个维度指定切片范围，语法为array[start_row:stop_row:step_row, start_col:stop_col:step_col]。

import numpy as np

# 创建二维数组
arr_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 选取第二行（索引为 1），: 是一个通配符，表示在列维度上选取所有的列。
print(arr_2d[1:2, :])  

# 选取第二列（索引为 1），: 是一个通配符，表示在行维度上选取所有的行。
print(arr_2d[:, 1:2])  

# 选取子数组，从第二行到第三行（索引 1 到 3，不包含 3），从第二列到第三列（索引 1 到 3，不包含 3）
print(arr_2d[1:3, 1:3])  

上述代码的输出结果如下：

[[4 5 6]]
[[2]
 [5]
 [8]]
[[5 6]
 [8 9]]

高级切片技巧

• 负索引：负索引用于从数组末尾开始计数。例如，-1 表示最后一个元素，-2 表示倒数第二个元素，依此类推。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
# 选取最后一个元素
print(arr[-1])  

# 从倒数第二个元素到数组末尾
print(arr[-2:])  

上述代码的输出结果如下：

5
[4 5]

• 省略号（...）：在处理多维数组时，如果不想为每个维度都指定切片范围，可以使用省略号来表示“选取所有剩余的维度”。

import numpy as np

arr_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
# 全选前两个维度的所有元素，以及第三维的所有元素
print(arr_3d[..., :])  

上述代码的输出结果如下：

[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]

• 布尔索引：可以使用布尔数组来进行切片操作，布尔数组的长度必须和被切片数组的对应维度长度一致。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
# 创建布尔数组
mask = arr > 3
# 使用布尔数组进行切片
print(arr[mask])  

上述代码的输出结果如下：

[4 5]

注意事项

• 切片返回的是视图：NumPy数组的切片操作返回的是原数组的视图，而不是副本。这意味着对切片结果的修改会影响原数组，反之亦然。如果需要创建副本，可以使用copy()方法。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
# 创建切片视图
slice_view = arr[1:3]
# 修改切片视图
slice_view[0] = 10
# 原数组也会被修改
print(arr)  

上述代码的输出结果如下：

[ 1 10  3  4  5]

通过这些切片操作，你能够灵活地从NumPy数组中选取所需的元素，满足不同的数据处理需求。