如何在Python3与Numpy中实现Matlab式数组多子集提取？

1. 创建等差数组（等效Matlab a=1:0.5:10） #

Matlab的start:step:end会包含终点值，而NumPy的np.arange是左闭右开区间，所以可以通过两种方式生成等效数组：

• 用np.arange时，把终点设为略大于目标值（比如10.01），确保包含10
• 用np.linspace直接指定生成的总点数（计算方式：(10-1)/0.5 +1 =19）

import numpy as np

# 方法1：np.arange实现
a = np.arange(1, 10.01, 0.5)

# 方法2：np.linspace实现（结果完全一致）
a = np.linspace(1, 10, num=19)

两种方法生成的数组都是[1., 1.5, 2., ..., 10.]。

2. 提取多子集（等效Matlab b=a([1:3 10:13])） #

注意Matlab是1起始索引，NumPy是0起始索引，需要把Matlab的索引减1转换：

• Matlab的1:3对应NumPy的0:3（取前3个元素）
• Matlab的10:13对应NumPy的9:13（切片9:13会取索引9、10、11、12，对应Matlab的10到13）

用np.r_可以像Matlab那样拼接多个切片/索引，生成连续的索引数组，直接用于提取：

# 组合索引并提取目标子集
b = a[np.r_[0:3, 9:13]]

运行后b的结果为[1., 1.5, 2., 5.5, 6., 6.5, 7.]，和Matlab输出完全一致。

针对你的实际场景（1×7向量、随机索引） #

如果是长度为7的1维向量，需要提取随机分布的子集（混合单个索引和切片），直接用np.r_拼接即可：

# 示例：长度为7的目标向量
vec = np.array([10,20,30,40,50,60,70])
# 提取索引0、2-4、6的元素
subset = vec[np.r_[0, 2:5, 6]]
# 结果：array([10, 30, 40, 50, 70])

如果只是离散的单个索引，直接传入列表也可行：vec[[0,2,6]]。

内容的提问来源于stack exchange，提问作者Jared Lo