切片和索引

如前所述，对象中的元素遵循基于零的索引。 有三种可用的索引方法类型： 字段访问，基本切片和高级索引。

基本切片是 Python 中基本切片概念到 n 维的扩展。 通过将start，stop和step参数提供给内置的slice函数来构造一个 Python slice对象。 此slice对象被传递给数组来提取数组的一部分。

输出如下：

[2  4  6]

在上面的例子中，ndarray对象由arange()函数创建。 然后，分别用起始，终止和步长值2，7和2定义切片对象。 当这个切片对象传递给ndarray时，会对它的一部分进行切片，从索引2到7，步长为2。

示例 2

import numpy as np
a = np.arange(10)
b = a[2:7:2]  

输出如下：

[2  4  6]

如果只输入一个参数，则将返回与索引对应的单个项目。 如果使用start:，则从该索引向后的所有项目将被提取。 如果使用两个参数（以:分隔），则对两个索引（不包括停止索引）之间的元素以默认步骤进行切片。

输出如下：

5

示例 4

# 对始于索引的元素进行切片  
a = np.arange(10)  
print a[2:]

输出如下：

[2  3  4  5  6  7  8  9]

[2  3  4]

上面的描述也可用于多维ndarray。

示例 6

import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])  
print a
# 对始于索引的元素进行切片  
print  '现在我们从索引 a[1:] 开始对数组切片'  
print a[1:]

输出如下：

[[1 2 3]
 [3 4 5]
现在我们从索引 a[1:] 开始对数组切片
 [4 5 6]]

切片还可以包括省略号（...），来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的ndarray。

输出如下：

我们的数组是：
[[1 2 3]
 [3 4 5]
 [4 5 6]]
第二列的元素是：
[2 4 5]
第二行的元素是：
[3 4 5]
第二列及其剩余元素是：
[[2 3]