如何在不使用for循环的情况下，用可变起止索引切片numpy数组？

当然可以不用for循环实现需求，以下是两种高效的实现方式：

方法一：索引广播法 #

利用Numpy的广播机制，直接生成所有切片的索引矩阵，再一次性提取元素：

import numpy as np

a = np.random.randn(10)
starts = np.array((1, 2))
ends = np.array((3, 4))
M = ends[0] - starts[0]  # 所有切片长度一致，取任意一个计算即可

# 生成0到M-1的偏移量，形状为(1, M)
offsets = np.arange(M)[None, :]
# 通过广播将每个start值与偏移量相加，得到(N, M)的索引矩阵
indices = starts[:, None] + offsets
# 一次性提取所有切片
all_slices = a[indices]

print(all_slices.shape)  # 输出 (2, 2)

原理：starts[:, None]将形状从(N,)转为(N,1)，和形状(1,M)的offsets广播相加后，得到每个切片对应的所有索引，最后通过数组索引直接提取所有元素，完全避免循环。

方法二：滑动窗口视图法 #

使用Numpy内置的sliding_window_view工具，先生成所有长度为M的连续窗口，再直接选取对应start位置的窗口：

import numpy as np
from numpy.lib.stride_tricks import sliding_window_view

a = np.random.randn(10)
starts = (1, 2)
ends = (3, 4)
M = ends[0] - starts[0]

# 生成所有长度为M的连续滑动窗口，形状为(len(a)-M+1, M)
windowed_a = sliding_window_view(a, window_size=M)
# 选取starts对应的窗口
all_slices = windowed_a[starts]

print(all_slices.shape)  # 输出 (2, 2)

原理：sliding_window_view会创建原数组的视图（不占用额外内存），包含所有可能的连续M长度窗口。每个start值对应的窗口正好是a[start:start+M]，直接索引即可得到目标数组，代码更简洁。

内容的提问来源于stack exchange，提问作者fuzzypants