一维数组切片

访问单个元素可以提供精确控制。然而，通常需要处理一维数组中的一个序列或一段元素。切片操作可以让你根据索引范围取数组的一部分。如果你用过 Python 列表，会觉得 NumPy 的切片操作很熟悉，但它针对 NumPy 的数组结构做了优化。

一维数组切片的基础

对一维数组 arr 进行切片的语法是 arr[start:stop:step]。我们来分析一下这些组成部分：

• start：切片开始的索引（包含）。如果省略，默认是数组的开头（索引 0）。
• stop：切片结束的索引（不包含）。此索引处的元素不在切片结果中。如果省略，默认是数组的末尾。
• step：选择元素之间的间隔。如果省略，默认是 1（即选择连续的元素）。

我们来创建一个简单的数组进行操作：

import numpy as np

# 创建一个从0到9的一维数组
arr = np.arange(10)
print(arr)
# 输出： [0 1 2 3 4 5 6 7 8 9]

现在，我们来看一些切片示例：

1. 选择从索引 2 开始直到（但不包括）索引 5 的元素：

   slice1 = arr[2:5]
   print(slice1)
   # 输出： [2 3 4]
   

   这选择了索引 2、3 和 4 处的元素。

2. 选择从开头直到（但不包括）索引 4 的元素：

   slice2 = arr[:4] # 省略 'start' 默认是 0
   print(slice2)
   # 输出： [0 1 2 3]
   

   这选择了从索引 0 开始直到（但不包括）索引 4 的元素。

3. 选择从索引 5 开始到末尾的元素：

   slice3 = arr[5:] # 省略 'stop' 默认到末尾
   print(slice3)
   # 输出： [5 6 7 8 9]
   

   这选择了从索引 5 开始直到最后一个元素。

4. 选择整个数组：

   slice4 = arr[:] # 省略 'start' 和 'stop'
   print(slice4)
   # 输出： [0 1 2 3 4 5 6 7 8 9]
   

使用步长值

step 值让你能选择不连续的元素：

1. 选择每隔一个元素：

   slice5 = arr[::2] # 选择从头到尾每隔一个元素
   print(slice5)
   # 输出： [0 2 4 6 8]
   

2. 在指定范围（索引 1 到 7）内选择每隔一个元素：

   slice6 = arr[1:7:2] # 从 1 开始，在 7 之前停止，步长为 2
   print(slice6)
   # 输出： [1 3 5]
   

切片中的负索引

就像访问单个元素一样，你可以在切片中使用负索引。-1 指代最后一个元素，-2 指代倒数第二个，以此类推。

1. 选择最后 3 个元素：

   slice7 = arr[-3:]
   print(slice7)
   # 输出： [7 8 9]
   

2. 选择从开头直到最后 2 个元素之前的元素：

   slice8 = arr[:-2]
   print(slice8)
   # 输出： [0 1 2 3 4 5 6 7]
   

3. 使用负步长反转数组：

   reversed_arr = arr[::-1]
   print(reversed_arr)
   # 输出： [9 8 7 6 5 4 3 2 1 0]
   

切片是视图，不是副本

这是 NumPy 切片的一个重要方面：数组的切片返回的是数组数据的视图而不是副本。这意味着切片只是观察相同底层数据的一种不同方式。修改切片中的元素会影响到原始数组。

我们来看一下实际效果：

print("原始数组：", arr)
# 原始数组： [0 1 2 3 4 5 6 7 8 9]

# 创建一个切片
arr_slice = arr[5:8]
print("切片：", arr_slice)
# 切片： [5 6 7]

# 修改切片中的一个元素
arr_slice[1] = 999
print("修改后的切片：", arr_slice)
# 修改后的切片： [  5 999   7]

# 检查原始数组
print("切片修改后的原始数组：", arr)
# 切片修改后的原始数组： [  0   1   2   3   4   5 999   7   8   9]

可以看到，修改 arr_slice 中索引 1 处的元素（它对应于原始 arr 中索引 6 处的元素）也改变了 arr 中的值。这种行为的目的是为了提高性能和内存效率，因为它避免了不必要的数据重复，特别是对于数据分析和科学计算中常见的大型数组。

如果你明确需要一个切片的副本，以便修改不会影响原始数据，可以使用 copy() 方法：

arr_copy = arr[5:8].copy()
arr_copy[1] = 111 # 修改副本

print("原始数组：", arr)      # 不受副本修改的影响
# 原始数组： [  0   1   2   3   4   5 999   7   8   9]
print("复制的切片：", arr_copy)
# 复制的切片： [  5 111   7]

理解切片以及视图与副本的区别，对于有效地处理数据和避免 NumPy 代码中意料之外的副作用非常重要。