如何在Python/Numpy中存储带冒号的3D数组切片以统一调用

核心逻辑：Python 中索引语法的:本质是内置的slice(None)对象，你可以手动构造切片元组来实现视图的统一声明，注意numpy的多轴索引需要传入元组而不是列表，避免被识别为花式索引。

基础实现 #

直接手动构造切片对象即可，切换视图时仅需修改my_view的定义部分：

import numpy as np
from matplotlib import pyplot as plt

# 👇 仅需修改此处切换视图即可
# X视图：取X轴下标为10的Y-Z平面
my_view = (10, slice(None), slice(None))
# Y视图：取Y轴下标为4的X-Z平面
# my_view = (slice(None), 4, slice(None))
# Z视图：取Z轴下标为7的X-Y平面
# my_view = (slice(None), slice(None), 7)

# 后续使用无需修改
my_data = np.random.rand(20,20,20)
more_data = np.random.rand(20,20,20)
plt.plot(my_data[my_view])
plt.plot(more_data[my_view])

简化写法（可选） #

如果觉得写slice(None)太繁琐，可以封装一个简单的构造函数，调用更清晰：

def make_3d_slice(x=slice(None), y=slice(None), z=slice(None)):
    return (x, y, z)

# 切换视图示例
my_view = make_3d_slice(x=10)  # 等价于 (10, :, :)
# my_view = make_3d_slice(y=4) # 等价于 (:, 4, :)
# my_view = make_3d_slice(z=7) # 等价于 (:, :, 7)

扩展说明 #

如果需要处理更高维的数组，可以用Ellipsis（即Python语法中的...）代替连续多个维度的全切片：

• 比如要取5维数组最后一个维度下标为3的切片，语法为arr[..., 3]，对应构造的切片元组为(Ellipsis, 3)。

内容的提问来源于stack exchange，提问作者abnowack