如同基于Python原生列表实现的数组一样，NumPy中的多维数组同样支持类似的索引与切片的操作方式。此外，NumPy的设计目标之一是为了更高效地处理大规模的数组运算，因此它的索引和切片机制相较于Python的原生列表，会更加灵活和高效。本文就来简单介绍一下NumPy多维数组的索引与切片。

本文的主要内容有：

1、NumPy多维数组的索引：获取单个元素

2、NumPy多维数组的切片：获取子数组

2、NumPy多维数组索引切片的注意事项

NumPy中关于一维数组的索引与切片，与Python的原生列表的操作方式比较类似，比如start:stop:step的形式，-1表示最后一个元素的索引等……这里就不一一介绍了。

以下就基于一个NumPy的二维数组的索引和切片分别展开介绍。

首先，我们先创建一个用于演示索引与切片操作的二维数组：

基于上面的代码，我们获得了一个3x3的二维数组。

在进行演示之前，需要简单明确下索引和切片这两个概念：

通常说的索引，是用于获取单个元素的操作，返回的是某个元素的值。

通常所说的切片，是用于获取某个子数组，返回仍然是个数组。

对于NumPy的多维数组，可以通过方括号[]来进行索引，多个索引之间使用半角逗号进行分割。

可以看到，分别进行了3x3数组中第二行第二列，也就是中心的元素进行了索引，并将其修改为100。

需要注意的是，NumPy数组是固定数据类型的，所以，如果我们尝试将一个浮点数插入到一个整型数组时，会自动截取为整型，而且不会有任何警告信息。

比如：

NumPy多维数组的切片（slice），也可以使用Python中的切片符号冒号来表示，与Python列表的切片类似，但也支持其他切片方式。

1、基本切片

多维数组的切片，多个维度进行也是以逗号分割，比如：

2、使用整数数组实现非连续切片

如果需要获取一个多维数组中非连续的切片，可以在每个维度传入需要切片的索引数组。

比如：

3、使用布尔数组切片

也可以使用布尔数组进行切片，本质上属于对数组元素按照条件进行过滤。

比如，想要获取a数组中所有大于5的元素：

从上面代码中，可以看到，将一个数组与一个整数进行比较时，实际上会触发广播机制，将数组中的每一个元素与该整数进行比较，返回与原数组形状相同的一个布尔数组。

使用一个同形状的布尔数组进行数组的切片，实际上类似于蒙版（mask）的操作。

由于NumPy在追求高效处理较大数据量的数组的设计，在对NumPy多维数组进行索引和切片时，有些不同于Python原生列表的事项需要注意。

1、自动数据截断

由于NumPy多维数组的设计是，只能存储固定类型的元素，所以，在能够进行数据类型自动转换的赋值场景中，会自动进行类型的转换，而不会有任何提示信息。比如，将浮点数赋值到整型数组中，则会自动截断为整数。

上面的索引操作中，已经演示，这里就不再展开了。

2、视图与副本

对Python原生列表进行切片时，会获取到列表的一个副本，比如：

可以看到，对列表的切片对象进行修改，原列表并没有发生变化。

但是，NumPy中，对多维数组的切片，获取的不是数据的副本，而是数据的虚拟视图。

比如：

可以看到，对NumPy数组切片的修改，原数组也发生了变化。

需要说明的是，这种切片的视图机制实际上非常有用，它意味着在处理非常大的数据集时，可以获取和处理这些数据集的片段，而不用复制底层的数据缓存。

当然，尽管数组的切片视图机制有一些非常好的特性，但是，有些时候明确地复制数组中的数据或者子数组也是非常有用的。这时，可以通过copy()方法来实现。

比如：

本文简单介绍了NumPy多维数组的索引和切片的相关内容，包括：基本索引方式、基本切片方式、整型数组的切片方式、布尔数组的切片方式等。同时，对比Python原生列表的索引和切片，指出了NumPy多维数组的索引和切片需要特别注意的数据截断和切片视图机制。

以上就是本文的全部内容，感谢您的拨冗阅读，希望对您有所帮助。