如何用Pythonic方式通过n×2的numpy索引切片numpy数组？

你可以通过直接生成所有需要的列索引，然后一次性索引data来实现，完全避免循环和中间列表。下面是两种简洁的实现方式：

方法一：列表推导生成索引（简洁直观） #

这种写法简洁易懂，属于Pythonic风格：

import numpy as np

idx = np.array([[1,3],[5,7], [9,11]], dtype=np.int64)
data = np.arange(30).reshape(2, 15)

# 生成所有需要提取的列索引
indices = np.concatenate([np.arange(s, e) for s, e in idx])
# 直接索引得到结果
result = data[:, indices]

方法二：纯Numpy数组操作（无显式循环） #

如果想要完全规避任何形式的循环（包括列表推导），可以通过Numpy的广播和数组操作生成索引：

import numpy as np

idx = np.array([[1,3],[5,7], [9,11]], dtype=np.int64)
data = np.arange(30).reshape(2, 15)

# 计算每个切片的长度
slice_lengths = idx[:, 1] - idx[:, 0]
# 生成每个切片内的相对位置索引
relative_indices = np.repeat(np.arange(slice_lengths.max()), slice_lengths.size)
# 过滤超出当前切片长度的索引
relative_indices = relative_indices[relative_indices < np.repeat(slice_lengths, slice_lengths.max())]
# 计算最终绝对索引
absolute_indices = np.repeat(idx[:, 0], slice_lengths) + relative_indices
# 索引得到结果
result = data[:, absolute_indices]

两种方法的输出结果和原代码完全一致：

array([[ 1,  2,  5,  6,  9, 10],
       [16, 17, 20, 21, 24, 25]])

说明 #

• 方法一兼顾简洁性与可读性，是日常开发更推荐的写法。
• 方法二完全依赖Numpy数组操作，适合追求极致性能或必须避免循环的场景，但代码复杂度稍高。

内容的提问来源于stack exchange，提问作者Chuang Men