對比 Python 原生切片，講述 Numpy 數(shù)組切片！
1. 本文介紹
今天為大家介紹以下內(nèi)容：
Ⅰ Python原生切片，與numpy數(shù)組切片，有哪些不同？ Ⅱ numpy中，應該如何使用切片？
2. Python原生切片，與numpy數(shù)組切片，有哪些不同？
這里有兩個概念，大家需要了解一下。
淺拷貝：相當于B將A的數(shù)據(jù)，復制了一遍，并在本地從新開了一片內(nèi)存區(qū)域，用于存放B。此時，改變A/B中的數(shù)據(jù)，并不會影響對方； 視圖：相當于B和A共用一塊兒內(nèi)存區(qū)域，當改變A/B中的數(shù)據(jù)，對方也會跟著改變；
① 數(shù)組切片，返回的是原始數(shù)組的視圖
list1 = [1,2,3]
print(list1)
list2 = list1[1:]
print(list2)
# 此時，修改list2中某一個元素，查看原始列表的元素是否發(fā)生變化？
list2[0] = 666
print(list2)
print(list1)
結果如下：
可以發(fā)現(xiàn)：修改list2中的元素后，list1中的元素并沒有改變。
② 原生python切片，返回的是原始數(shù)組的淺拷貝
array1 = np.array([1,3,5,2,4])
print(array1)
array2 = array1[2:]
print(array2)
# 此時，修改array2中某一個元素，查看原始數(shù)組的元素是否發(fā)生變化？
array2[0] = 888
print(array2)
print(array1)
結果如下：
可以發(fā)現(xiàn)：修改array2中的元素后，array1中的元素跟著改變了。
③ 調(diào)用數(shù)組對象的copy方法，實現(xiàn)底層數(shù)據(jù)的復制，而不是返回底層數(shù)據(jù)的視圖
array3 = np.array([1,2,3,4,5,6])
print(array3)
array4 = array3.copy()
print(array4)
array4[2] = 666
print(array4)
print(array3)
結果如下：
可以發(fā)現(xiàn)：修改array4中的元素后，array3中的元素沒有變。
3. numpy中，應該如何使用切片？
切片的使用，不管是原生python切片，還是數(shù)組切片，語法基本上是相同的。
語法：[start:stop:step] 參數(shù)：start代表起始索引，stop代表終止索引，step代表步長;
對于切片，這里有幾點需要注意的。
注意1：索引是左臂右開區(qū)間，比如說x[0:9:1]，只能是取到索引等于0處的元素到索引等于8處的元素，而取不到索引等于9的這個元素。記住元素索引都是0開始的，第一個亓素的索引是0.第一個亓素的索引是1，以此類推下去。 注意2：當不寫start代表從起始索引處取數(shù)，當不寫stop代表一直取數(shù)到最后位置。當不寫step步長，代表使用默認步長1。 注意3：start、stop、step都可以是負數(shù)，具體什么含義，最好在下面的例子中好好體會。
黃同學做了一張圖，幫你理解“切片”。
下面用幾個例子，來好好練習一下吧！
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
# 當start、stop、step為負數(shù)的時候，理解起來就稍微難一點；
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
結果如下：
更多閱讀
特別推薦
點擊下方閱讀原文加入社區(qū)會員