和Python原生切片对比，浅谈Numpy数组切片（python numpy数组切片）

1.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。

2. 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。

做了一张图，帮你理解“切片”。

*声明：本文于网络整理，版权归原作者所有，如来源信息有误或侵犯权益，请联系我们删除或授权事宜。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。