如何对N维NumPy数组切割边界或将边界值设为False？

一、通用切割边界（反向np.pad操作） #

要把2D的nd_array[1:-1, 1:-1]逻辑推广到任意维度，直接用tuple生成对应每个维度的切片对象即可，不用手动写多维索引：

import numpy as np

# 示例：生成一个3D随机布尔数组
nd_array = np.random.randn(5, 6, 7) > 0
ndim = nd_array.ndim

# 为每个维度生成`1:-1`的切片，打包成元组
slices = tuple([slice(1, -1)] * ndim)
cut_array = nd_array[slices]

# 验证形状：原(5,6,7) → 切割后(3,4,5)
print(cut_array.shape)  # 输出 (3, 4, 5)

不管数组是2维、3维还是更高维，这个写法都能直接套用，本质就是给每个维度都做「去掉首尾各一层」的切片。

二、直接修改原数组边界为False的简便方法 #

如果你的目标是直接把原数组的所有边界值改成False，不需要先切割再pad，有两种更高效的方式：

方法1：用掩码标记边界位置 #

先生成一个标记所有边界位置的布尔掩码，再批量赋值：

import numpy as np

nd_array = np.random.randn(4, 5, 6) > 0
shape = nd_array.shape

# 生成各维度的索引数组
indices = np.indices(shape)
# 标记任意维度上索引为0或末尾的位置
boundary_mask = np.zeros(shape, dtype=bool)
for dim_idx in range(len(shape)):
    boundary_mask |= (indices[dim_idx] == 0) | (indices[dim_idx] == shape[dim_idx]-1)

# 把边界位置设为False
nd_array[boundary_mask] = False

方法2：逐维度设置首尾层 #

逐个维度处理，把每个维度的第0层和最后一层直接设为False，逻辑更直观：

import numpy as np

nd_array = np.random.randn(4, 5, 6) > 0
ndim = nd_array.ndim

for dim_idx in range(ndim):
    # 生成切片：仅当前维度取第0层，其余维度全选
    slice_first = tuple([0 if j == dim_idx else slice(None) for j in range(ndim)])
    nd_array[slice_first] = False
    # 生成切片：仅当前维度取最后一层，其余维度全选
    slice_last = tuple([-1 if j == dim_idx else slice(None) for j in range(ndim)])
    nd_array[slice_last] = False

内容的提问来源于stack exchange，提问作者Javier