对比 Python 原生切片，讲述 Numpy 数组切片！

Posted 2021-06-02 Python中文社区

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了对比 Python 原生切片，讲述 Numpy 数组切片！相关的知识，希望对你有一定的参考价值。

1. 本文介绍

今天为大家介绍以下内容：

Ⅰ Python原生切片，与numpy数组切片，有哪些不同？
Ⅱ numpy中，应该如何使用切片？

2. Python原生切片，与numpy数组切片，有哪些不同？

这里有两个概念，大家需要了解一下。

浅拷贝：相当于B将A的数据，复制了一遍，并在本地从新开了一片内存区域，用于存放B。此时，改变A/B中的数据，并不会影响对方；
视图：相当于B和A共用一块儿内存区域，当改变A/B中的数据，对方也会跟着改变；

① 数组切片，返回的是原始数组的视图

list1 = [1,2,3]
print(list1)
list2 = list1[1:]
print(list2)

# 此时，修改list2中某一个元素，查看原始列表的元素是否发生变化？
list2[0] = 666
print(list2)
print(list1)

结果如下：

可以发现：修改list2中的元素后，list1中的元素并没有改变。

② 原生python切片，返回的是原始数组的浅拷贝

array1 = np.array([1,3,5,2,4])
print(array1)
array2 = array1[2:]
print(array2)

# 此时，修改array2中某一个元素，查看原始数组的元素是否发生变化？
array2[0] = 888
print(array2)
print(array1)

结果如下：

可以发现：修改array2中的元素后，array1中的元素跟着改变了。

③ 调用数组对象的copy方法，实现底层数据的复制，而不是返回底层数据的视图

array3 = np.array([1,2,3,4,5,6])
print(array3)
array4 = array3.copy()
print(array4)

array4[2] = 666
print(array4)
print(array3)

结果如下：

可以发现：修改array4中的元素后，array3中的元素没有变。

3. numpy中，应该如何使用切片？

切片的使用，不管是原生python切片，还是数组切片，语法基本上是相同的。

语法：[start:stop:step]
参数：start代表起始索引，stop代表终止索引，step代表步长;

对于切片，这里有几点需要注意的。

注意1：索引是左臂右开区间，比如说x[0:9:1]，只能是取到索引等于0处的元素到索引等于8处的元素，而取不到索引等于9的这个元素。记住元素索引都是0开始的，第一个亓素的索引是0.第一个亓素的索引是1，以此类推下去。
注意2：当不写start代表从起始索引处取数，当不写stop代表一直取数到最后位置。当不写step步长，代表使用默认步长1。
注意3：start、stop、step都可以是负数，具体什么含义，最好在下面的例子中好好体会。

黄同学做了一张图，帮你理解“切片”。

下面用几个例子，来好好练习一下吧！

a = np.arange(10)
print(a)             # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

print(a[:3])          # 0 1 2
print(a[3:6])         # 3 4 5
print(a[6:])          # 6 7 8 9
print(a[::])          # 0 1 2 3 4 5 6 7 8 9
print(a[:])           # 0 1 2 3 4 5 6 7 8 9
print(a[::3])         # 0 3 6 9
print(a[1::3])        # 1 4 7
print(a[2::3])        # 2 5 8

# 当start、stop、step为负数的时候，理解起来就稍微难一点；
print(a[::-1])        # 9 8 7 6 5 4 3 2 1 0
print(a[:-4:-1])      # 9 8 7 
print(a[-4:-7:-1])    # 6 5 4
print(a[-7::-1])      # 3 2 1 0

结果如下：