如何在NumPy中用字符串':'作为索引实现数组切片？

从NumPy数组提取全部数据时，array[:]是最简单的切片方法，但在大型项目中，若希望索引能随数据格式自动变化，就需要用变量形式替代直接写:的硬编码方式。

示例场景 #

创建测试数组 #

>>> import numpy as np
>>> a = np.random.randint(0,10,(5,5))
>>> a
array([[3, 3, 3, 7, 2],
       [8, 6, 8, 6, 3],
       [4, 2, 2, 0, 3],
       [4, 0, 6, 0, 1],
       [1, 2, 0, 2, 8]])

传统硬编码切片 #

直接使用[:]可以提取全部数据：

>>> a[:]
array([[3, 3, 3, 7, 2],
       [8, 6, 8, 6, 3],
       [4, 2, 2, 0, 3],
       [4, 0, 6, 0, 1],
       [1, 2, 0, 2, 8]])

错误的变量替代尝试 #

• 直接将字符串":"赋值给变量会触发索引错误：

>>> b = ":"
>>> a[b]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: only integers, slices (`:`), ellipsis (`...`), numpy.newaxis (`None`) and integer or boolean arrays are valid indices

• 尝试用slice(':')构造切片对象同样报错，因为切片需要整数/None类型的参数：

>>> c = slice(':')
>>> a[c]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: slice indices must be integers or None or have an __index__ method

可行的解决方案 #

使用NumPy提供的np.index_exp[:]来定义全切片索引变量，就能实现变量形式的全量数据提取：

>>> c = np.index_exp[:]
>>> a[c]
array([[3, 3, 3, 7, 2],
       [8, 6, 8, 6, 3],
       [4, 2, 2, 0, 3],
       [4, 0, 6, 0, 1],
       [1, 2, 0, 2, 8]])

内容的提问来源于stack exchange，提问作者sundar_ima