NumPy 数组切片

2025 年 8 月 20 日 | 阅读 10 分钟

NumPy 数组切片是 Python 中一种提取方法，它允许我们选择和提取数组的一部分，从而有效地处理大型数据集。它允许我们访问数组中的元素。

NumPy 数组切片的语法

NumPy 数组切片的语法如下：

NumPy 数组切片的基本语法包含三个部分，它们是：

start：这是切片开始的索引。
stop：这是切片停止或结束的索引（不包含最后一个元素）。
step：这是决定跳到后续元素的步长值。

关于 Start、Stop 和 Step，请记住以下几点：

注意

Start：如果我们不包含 start 值，则默认的 start 值将是数组的第一个元素。

Stop：如果我们不包含 stop 值，则它将一直到最后一个值并包含它。

Step：如果我们不包含 stop 值，则默认的步长为 1。

一维 NumPy 数组切片

一维数组是最简单的数组，我们可以指定 start、stop 和 step。对一维 NumPy 数组进行切片也非常简单。让我们看几个例子。

示例

#importing numpy library
import numpy as np

# creating a 1D array 
arr_1 = np.array([1, 9, 2, 6, 7, 3, 5, 8, 4])

# slice arr_1 from index 3 to index 7 (exclusive), which means that 8 won't be included
print("From index 3 to index 7 (exclusive): ",arr_1[3:7])  

# slice arr_1 from 0th index to the 8th index with a step size of 2( here the 8th index is inclusive

print("From 0th index to the 8th index(exclusive) with a step size of 2: ",arr_1[0:8:2]) 

# slice arr_1 from the 1st index up to the last element
print("From 1st index up to the last element: ",arr_1[3:])  

# items from start to end
print("From start to end: ",arr_1[:])   

输出

From index 3 to index 7 (exclusive):  [6 7 3 5]
From 0th index to the 8th index(exclusive) with a step size of 2:  [1 2 7 5]
From 1st index up to the last element:  [6 7 3 5 8 4]
From start to end:  [1 9 2 6 7 3 5 8 4]

说明

在上面的一维数组示例中，这是最简单的数组形式，我们已将数组从索引 3 切片到索引 7，其中不包含索引 7 的元素。我们已从索引 0 到索引 8（不包含）切片，步长为 2，这意味着将处理交替的元素。然后，我们从索引 1 切片到最后一个元素。

二维 NumPy 数组切片

在二维 NumPy 数组切片中，它包含行和列。每一行和每一列都有一个 start、stop 和 set 值。

让我们看看二维 NumPy 数组切片的语法：

语法

在这里，我们可以看到行和列都包含 start、stop 和 step 值。

现在，我们来看一些例子，以便更好地理解二维数组切片。

示例

#importing the numpy library
import numpy as np

# creating a 2D array
arr_1 = np.array([[1, 2, 3, 4], 
                  [11, 13, 15, 17]])

# printing the 1st row
print("Printing the first row:", arr_1[:1 , ])  

# printing the 4th column
print("Printing the fourth column:", arr_1[:, 3])  # index 3 = 4th column

# printing the 2 rows and 2 columns
print("Printing the 2 row and  2 columns:", arr_1[:2, :2])  

# printing the 1 row and 3 columns
print("Printing the first row and first 3 columns:", arr_1[:1, :3])

# printing the 2 rows and 4 columns
print("Printing the first row and first 4 columns:", arr_1[:2, :4])

输出

Printing the first row: [[1 2 3 4]]
Printing the fourth column: [ 4 17]
Printing the 2 rows and  2 columns: [[ 1  2]
 [11 13]]
Printing the first row and first 3 columns: [[1 2 3]]
Printing the first row and first 4 columns: [[ 1  2  3  4]
 [11 13 15 17]]

说明

在上面的二维 NumPy 数组切片示例中，我们有两个数组作为输入。我们打印了第一行，然后打印了第四列。之后，我们打印了第 2 行和第 2 列，第 1 行和第 3 列，最后打印了第 1 行和第 4 列。

三维 NumPy 数组切片

正如我们所研究的，一维数组是最简单的数组，二维数组包含行和列，三维 NumPy 数组则更进一步。

三维 NumPy 数组切片包含三个部分：

行
列
深度

让我们看一个三维 NumPy 数组的例子，以了解行、列以及最重要的是深度。

示例

#importing the numpy library
import numpy as np

# we are creating a 3D array (2 blocks, 3 rows, 4 columns)
arr_3d = np.array([
    [  # Block 1
        [1, 2, 3, 4],
        [5, 6, 7, 8],
        [9, 10, 11, 12]
    ],
    [  # Block 2
        [13, 14, 15, 16],
        [17, 18, 19, 20],
        [21, 22, 23, 24]
    ]
])
#printing the 3D Array
print("Prinitng the 3D array: ", arr_3d)

#printing the entire first depth of the block
print("First depth of the block: ", arr_3d[0])

#printing the element at depth=1, row=2, col=3
print("Prinitng the element at depth=1, row=2 and column=3: ", arr_3d[1, 2, 3])

#printing all elements in depth 1, column 2
print("Elements in depth 1 and column2: ", arr_3d[1, :, 2])

输出

Prinitng the 3D array:  [[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]

 [[13 14 15 16]
  [17 18 19 20]
  [21 22 23 24]]]
First depth of the block:  [[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
Prinitng the element at depth=1, row=2 and column=3:  24
Elements in depth 1 and column2:  [15 19 23]

说明

在上面的三维 NumPy 数组切片示例中，我们看到三维 NumPy 数组包含行、列和深度。我们还学习了如何对三维数组进行切片。我们首先按原样打印了三维数组，然后打印了块的第 1 层深度。然后，我们继续打印深度=1、行=2 和列=3 处的元素，该元素是 24。最后，我们打印了深度为 1 且列为 2 的元素，即 [15 19 23]。

使用切片修改数组元素

我们可以使用一些参数修改数组中的元素，例如：

Start 参数：Start 参数决定从哪里开始修改元素。
Stop 参数：Stop 参数定义了修改元素的停止位置。一旦达到该位置，修改将停止，不包含 stop 索引处的元素。
Start 和 stop 参数：Start 和 stop 参数决定了修改元素的范围。它包含 start 索引处的元素，并排除 stop 索引处的元素。
Start、stop 和 step 参数：Start、stop 和 step 参数决定了可以以 step 值进行元素修改的范围。例如，如果 step 值为 2，则将修改每隔一个元素。

让我们通过一个例子来深入理解参数的用法：

示例 1：Start 参数

示例

#importing the numpy library
import numpy as np

# we are creating a numpy array
num = np.array([1, 6, 3, 2, 8, 4])

# we are modifying the elements from the 2nd index 
num[2:] = 7

#printing the output after modifying
print(num)

输出

[1 6 7 7 7 7]

说明

在上面的代码中，我们使用了 Start 参数来确定我们希望开始更改数字的位置。在这里，我们指定从索引 2 开始，数字必须更改为 7。

示例 2：Stop 参数

示例

#importing the numpy library
import numpy as np

# we are creating a numpy array
num = np.array([1, 6, 3, 2, 8, 4])

# we are modifying the elements till 3rd index which means that 3rd index is excluded 
num[:3] = 14

#printing the output after modifying
print(num)

输出

[14 14 14  2  8  4]

说明

在上面的代码中，我们使用了 Stop 参数来确定要修改数字的停止位置，并且在达到指定数字时，过程将停止。在这里，我们指定直到第 3 个索引为止，项必须修改为数字 14。

示例 3：Start 和 Stop 参数

示例

#importing the numpy library
import numpy as np

# we are creating a numpy array
num = np.array([1, 6, 3, 2, 8, 4])

# we are modifying the elements between the 1st index and the 4th index
num[1:4] = 12

#printing the output after modifying
print(num)

输出

[ 1 12 12 12  8  4]

说明

在上面的代码中，我们使用了 Start 和 Stop 参数来确定我们希望修改数字的范围。在这里，我们指定项必须从第 1 个索引修改到第 4 个索引。这意味着在修改中将包含第 1 个索引，但排除第 4 个索引。

示例 4：Start、Stop 和 Step 参数

示例

#importing the numpy library
import numpy as np

# we are creating a numpy array
num = np.array([1, 6, 3, 2, 8, 4])

# we are modifying the elements between 1st index and 4th index with the step value set to 2

num[1:4:2] = 12

#printing the output after modifying
print(num)

输出

[ 1 12  3 12  8  4]

说明

在上面的代码中，我们使用了 Start、Stop 和 Step 参数来确定我们希望修改数字的范围，但带有步长值。在这里，我们指定项必须从第 1 个索引修改到第 4 个索引，步长值为 2。这意味着列表中的交替数字将被修改；因此，我们可以看到只有两个数字被修改了。

负索引切片

在负索引切片中，数组以反向顺序计数或处理。

让我们看一些例子来理解负索引切片：

示例

#importing the numpy library
import numpy as np

# we are creating a numpy array
num = np.array([1, 3, 5, 7, 9, 11, 13, 15])
             #[-8,-7,-6,-5,-4, -3, -2, -1] this how indexing works in negative slicing
# we are slicing the last 4 elements of the array 
#by using the start parameter
print("Slicing the last 4 elements of the array: ", num[-4:])    

# slicing elements between 2nd last and 4th last element
# by using start and stop parameters

print("slicing elements between 2nd last and 4th last element: ", num[-4:-2])     

# using the start, stop, and step parameters, using slicing the array in reverse order
print("using the start, stop, and step parameters using slicing the array in reverse order: ", num[-1::-2])

输出

Slicing the last 4 elements of the array:  [ 9 11 13 15]
slicing elements between 2nd last and 4th last element:  [ 9 11]
using the start, stop, and step parameters using slicing the array in reverse order:  [15 11  7  3]

说明

在上面的示例中，我们使用负索引切片来反向处理数组。我们使用负索引，数字从最后一个项目（-1）开始，然后继续。我们切片了最后 4 个元素，第 2 个和第 4 个最后元素之间的元素，并使用了 start、stop 和 step 参数。

使用负切片反转 NumPy 数组

我们可以使用负索引切片来反转 NumPy 数组。让我们通过一个例子来看看如何反转数组。

示例

#importing the numpy library
import numpy as np

# we are creating a numpy array
num = np.array([1, 3, 5, 7, 9, 11, 13, 15])
# we are generating the reversed array
r_numbers = num[::-1]
print("The Reversed Numbers are: ", r_numbers)

输出

The Reversed Numbers are:  [15 13 11  9  7  5  3  1]

说明

在上面的示例中，我们使用负索引切片反转了数组。我们使用切片符号 [: : -1] 反转了数字。

结论

我们已经学习了关于 NumPy 数组切片的几乎所有内容。从基本语法开始，我们转向了 1D、2D 和 3D 数组。我们通过以下方式学习了如何使用切片修改数组：Start 参数、Stop 参数、Start 和 Stop 参数，以及 Start、Stop 和 Step 参数。我们还涵盖了负索引切片，在其中研究了反转 NumPy 数组。