Python NumPy 索引与切片详解：从基础到高级用法

Oliver

发布时间：2026-10-16| 3人浏览过

原创

本文详细介绍 Python NumPy 库中数组的索引与切片技术。内容涵盖基础的一维及多维数组切片、整数数组索引、布尔索引以及花式索引的具体实现与差异，通过代码示例展示如何高效提取和处理数据，帮助开发者掌握 NumPy 核心数据处理技能。

1. 索引及切片

在 NumPy 数组中，可以通过索引和切片的方式访问或修改元素，其操作逻辑与 Python 原生列表的切片方式基本一致。

以下通过具体代码演示相关操作，代码中的注释将详细说明每一步的操作含义及作用。

（1）利用下标及内置函数进行索引切片

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
a = np.arange(10)#创建一个从0-9的一维数组
print(a)
i = slice(2, 7, 2)#从2开始到7结束，每隔1个元素进行索引，即start为1，stop为7，step为2
print(a[i])

运行上述代码后的输出结果如下：

（2）使用冒号分隔参数进行切片索引

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
a = np.arange(10)#创建一个从0-9的一维数组
print(a[2:7:2])#将起始、结束、步长使用冒号进行分割，表示索引切片

对应的输出结果如下：

（3）对部分元素进行索引并切片

a. 切取中间的一段

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
a = np.arange(10)#创建一个从0-9的一维数组
print(a[2:5])#从2-5进行切片

执行后的输出结果如下：

b. 切取某一个元素后的全部

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
a = np.arange(10)#创建一个从0-9的一维数组
print(a[3:])#从3开始进行打印，直到打印完整个数组

执行后的输出结果如下：

（4）对多维数组进行索引切片

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print('从数组索引a[2:]处开始切片：')
print(b[2:])
print('数组第二列进行切片：')
print(b[..., 2])
print('数组第二行进行切片：')
print(b[2, ...])
print('从第二列开始切片：')
print(b[..., 1:])

运行代码后的输出结果如下：

2. 高级索引

（1）整数数组索引

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
c = b[[1, 0], [1, 0]]
print('对数组(1，1)和(0，0)处的元素进行索引切片：')
print(c)

运行代码后的输出结果如下：

（2）布尔索引

利用布尔数组对目标数组进行索引，该布尔数组通常由满足特定条件的布尔运算生成。

例如，以下代码用于提取数组中所有不小于 5 的元素：

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
a = np.array([[1, 2, 3, 5], [6, 9, 2, 0], [9, 3, 2, 7]])
print('数组中不小于5的数如下：')
print(a[a >= 5])

运行代码后的输出结果如下：

（3）花式索引

花式索引是指利用整数数组作为索引。其原理是根据索引数组中的值，将其作为目标数组特定轴的下标来取值。若目标为一维数组，索引结果即为对应下标的元素；若目标为二维数组，则提取对应位置的元素。需要注意的是，花式索引与切片不同，它始终会将数据复制到新数组中，而非视图。

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np
 
x = np.arange(32).reshape((8, 4))
print('生成的数组为：')
print(x)
print('传入顺序索引数组：')
print(x[[4, 2, 1, 7]])
print('传入倒序索引数组：')
print(x[[-4, -2, -1, -1]])
print('传入多个索引数组：')
print(x[np.ix_([1, 5, 7, 2], [0, 3, 1, 2])])#输出的是两个向量不同维度组合的值

运行代码后的输出结果如下：