Numpy学习3-数组切片

几乎所有高级功能都依赖切片操作，它是高效处理大规模数值数据的基础技能，掌握切片，才能真正驾驭数组。

本文列出一维、二维、三维数组切片，作为记录和备查。

文中表格示例使用AI生成。

1、记住要点

• 切片返回原数组的视图（共享内存）
• 修改切片会影响原数组
• 需要副本使用copy()

2、一维数组切片

语法

# 一维数组
arr[start:stop:step]

• start：起始索引（包含），默认为0

• stop：结束索引（不包含），默认为数组长度

• step：步长，默认为1（可为负数，表示逆序）

  创建一个一维数组

  arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

操作目的	切片语法	示例代码	输出结果
取前 n 个元素	arr[:n]	arr[:5]	[0 1 2 3 4]
取后 n 个元素	arr[-n:]	arr[-3:]	[5 6 7 8 9]
取中间某段	arr[start:end]	arr[2:8]	[2 3 4 5 6 7]
跳着取元素（步长）	arr[::step]	arr[::2]	[0 2 4 6 8]
反转整个数组	arr[::-1]	arr[::-1]	[9 8 7 6 5 4 3 2 1 0]
倒序取一段	arr[start:end:-1]	arr[5:2:-1]	[5 4 3]
去掉最后一个元素	arr[:-1]	arr[:-1]	[0 1 2 3 4 5 6 7 8]
去掉头尾	arr[1:-1]	arr[1:-1]	[1 2 3 4 5 6 7 8]
取偶数索引元素	arr[::2]	arr[::2]	[0 2 4 6 8]
取奇数索引元素	arr[1::2]	arr[1::2]	[1 3 5 7 9]
条件筛选（大于某值）	arr[arr > x]	arr[arr > 5]	[6 7 8 9]
按指定下标提取	arr[indices]	arr[[1,5,7]]	[1,5,7]

3、二维数组切片

arr = np.array([[1,  2,  3,  4],
                [5,  6,  7,  8],
                [9, 10, 11, 12]])

arr[行切片, 列切片]

操作目的	切片语法	示例代码	输出结果
获取某一行	arr[row, :] 或 arr[row]	arr[1]	[5 6 7 8]
获取某一列	arr[:, col]	arr[:, 2]	[3 7 11]
获取连续多行	arr[r1:r2, :]	arr[0:2, :]	[[1 2 3 4], [5 6 7 8]]
获取连续多列	arr[:, c1:c2]	arr[:, 1:3]	[[2 3], [6 7], [10 11]]
提取子矩阵	arr[r1:r2, c1:c2]	arr[1:, 2:]	[[7 8], [11 12]]
跳着取行和列	arr[::step_r, ::step_c]	arr[::2, ::2]	[[1 3], [9 11]]
反转所有行	arr[::-1, :]	arr[::-1]	[[9 10 11 12], [5 6 7 8], [1 2 3 4]]
反转所有列	arr[:, ::-1]	arr[:, ::-1]	[[ 4 3 2 1] [ 8 7 6 5] [12 11 10 9]]
反转行列	arr[::-1, ::-1]	arr[::-1, ::-1]	[[12 11 10 9] [ 8 7 6 5] [ 4 3 2 1]]
获取前 N 行	arr[:n, :]	arr[:2, :]	[[1 2 3 4] [5 6 7 8]]
获取后 N 行	arr[-n:, :]	arr[-2:, :]	[[ 5 6 7 8] [ 9 10 11 12]]
获取前 N 列	arr[:, :n]	arr[:, :3]	[[ 1 2 3] [ 5 6 7] [ 9 10 11]]
获取后 N 列	arr[:, -n:]	arr[:, -2:]	[[ 3 4] [ 7 8] [11 12]]
条件切片（布尔索引）	arr[arr > x]	arr[arr > 5]	[6 7 8 9 10 11 12]
按行条件筛选	需结合 np.any() / np.all()	arr[np.any(arr > 10, axis=1)]	[[ 9 10 11 12]]
花式索引取特定行	arr[[i, j, k], :]	arr[[0, 2], :]	[[ 1 2 3 4] [ 9 10 11 12]]
花式索引取特定列	arr[:, [i, j]]	arr[:, [1, 3]]	[[ 2 4] [ 6 8] [10 12]]
同时取指定行列	arr[[r1,r2], [c1,c2]]	arr[[0,1], [1,2]]	[2 7]

4、三维数组切片

三维数组可以看作由多个二维数组（矩阵）组成的数组。一个形状为 (d, h, w) 的三维数组：

• d：深度（层数）

• h：高度（行数）

• w：宽度（列数）

  arr = np.array([[[ 0, 1, 2, 3],
  [ 4, 5, 6, 7],
  [ 8, 9, 10, 11]],
  [[12, 13, 14, 15],
  [16, 17, 18, 19],
  [20, 21, 22, 23]]])

层0（第一层）

┌──────

│ 0 1 2 3

│ 4 5 6 7

│ 8 9 10 11

└───────

层1（第二层）

┌────────

│ 12 13 14 15

│ 16 17 18 19

│ 20 21 22 23

└────────

操作目的	切片语法	示例代码	输出结果
获取整个数组	[:, :, :] 或 ...	arr[:, :, :]	整个数组
获取第一层（第一个二维数组）	[0, :, :] 或 [0, ...]	arr[0, :, :]	[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]
获取第二层（第二个二维数组）	[1, :, :] 或 [1, ...]	arr[1, ...]	[[12 13 14 15] [16 17 18 19] [20 21 22 23]]
获取所有层的第一行	[:, 0, :]	arr[:, 0, :]	[[ 0 1 2 3] [12 13 14 15]]
获取所有层的第二列	[:, :, 1]	arr[:, :, 1]	[[ 1 5 9] [13 17 21]]
反转所有层的行	[:, ::-1, :]	arr[:, ::-1, :]	[[[ 8 9 10 11] [ 4 5 6 7] [ 0 1 2 3]] [[20 21 22 23] [16 17 18 19] [12 13 14 15]]]