Numpy中如何通过多切片批量选择与修改数组元素？

当然可以！你完全不用靠迭代循环逐个处理切片，Numpy里的np.r_就是干这个的——和你提到的思路一致，能快速把多个切片、单个索引甚至数组组合成一个统一的索引集合，直接实现a[SLICES] = 0这类批量操作。

举个实际的例子帮你理解：

import numpy as np

# 先创建一个测试数组
a = np.arange(15)  # 初始数组：[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14]

# 假设我们想把这几个区域的元素设为0：[0:3]、[6:9]、[12]、[14]
# 用np.r_把这些切片/索引组合起来
target_indices = np.r_[0:3, 6:9, 12, 14]

# 直接批量赋值
a[target_indices] = 0

print(a)
# 最终结果：[ 0  0  0  3  4  5  0  0  0  9 10 11  0 13  0]

关键细节说明： #

• np.r_的核心作用是拼接索引/切片，它会把你传入的切片、单个整数、甚至其他一维数组，转换成一个连续的一维索引数组，Numpy可以直接用这个数组定位所有需要修改的元素。
• 这种方法比循环高效太多，尤其是当数组规模很大的时候，Numpy的矢量化操作会比Python循环快几个数量级。
• 如果是多维数组，你可以结合np.r_和其他索引方式使用，比如针对某一行的多个切片，或者多个行的特定位置，只要保证最终的索引维度和数组匹配就行。

另外，如果你只是想生成切片对象（不是拼接成索引数组），也可以用np.s_，但对于你这种批量赋值的需求，np.r_是最直接的方案。

内容的提问来源于stack exchange，提问作者Tai