### NumPy 数组的切片与索引操作教程 NumPy 是 Python 中用于科学计算的核心库，提供了多维数组对象以及各种派生对象（如掩码数组和矩阵）。通过 NumPy 的切片和索引功能，可以高效地访问和操作数组中的数据。 #### 1. 索引基础 在 NumPy 中，索引从 0 开始。对于一维数组，可以通过简单的方括号 `[]` 来访问单个元素或一组元素。例如： ```python import numpy as np arr = np.array([10, 20, 30, 40, 50]) print(arr[2]) # 输出 30 [^1] ``` #### 2. 切片操作 切片允许用户提取数组的一部分，而不是单个元素。切片的基本语法是 `start:stop:step`，其中： - `start` 表示起始索引（包含）。 - `stop` 表示结束索引（不包含）。 - `step` 表示步长，默认为 1。 以下是一些切片的例子： ```python arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9]) # 提取从索引 2 到索引 6 的元素（不包括索引 6） print(arr[2:6]) # 输出 [3 4 5 6] [^5] # 使用负索引提取最后三个元素 print(arr[-3:]) # 输出 [7 8 9] [^5] # 每隔一个元素提取 print(arr[::2]) # 输出 [1 3 5 7 9] [^5] ``` #### 3. 多维数组的索引与切片 对于多维数组，可以通过逗号分隔的多个索引来访问特定位置的元素。例如： ```python arr_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 访问第 2 行第 3 列的元素 print(arr_2d[1, 2]) # 输出 6 [^2] # 切片获取第 2 行的所有元素 print(arr_2d[1, :]) # 输出 [4 5 6] [^3] # 切片获取所有行的第 2 列元素 print(arr_2d[:, 1]) # 输出 [2 5 8] [^3] ``` #### 4. 视图与副本 NumPy 切片返回的是原数组的一个视图（view），而不是副本。这意味着对视图的修改会反映到原数组上。如果需要创建独立的副本，可以使用 `.copy()` 方法。例如： ```python arr = np.array([1, 2, 3, 4, 5]) slice_arr = arr[1:4] # 创建视图 slice_arr[0] = 10 # 修改视图 print(arr) # 输出 [1 10 3 4 5] [^4] # 创建副本 copy_arr = arr[1:4].copy() copy_arr[0] = 20 print(arr) # 输出仍为 [1 10 3 4 5] [^4] ``` #### 5. 高级索引 除了基本的索引和切片，NumPy 还支持布尔索引和花式索引（fancy indexing）。例如： ```python arr = np.array([10, 15, 20, 25, 30]) # 布尔索引：筛选出大于 20 的元素 print(arr[arr > 20]) # 输出 [25 30] [^1] # 花式索引：通过列表提取指定索引的元素 indices = [1, 3, 4] print(arr[indices]) # 输出 [15 25 30] [^2] ``` --- ###