二维NumPy数组中非连续列的高效拼接方法

嘿，我完全懂这种繁琐感——当要处理一堆非连续列加连续列时，反复链式调用np.concatenate拼接单个列确实太折腾人了，完全没必要这么做！这里有几个通用的、不依赖特定列号的解决方案，不管你要选的列怎么组合，都能轻松搞定：

方法1：构造混合索引直接提取（最推荐） #

Numpy的数组索引本身就支持混合非连续列索引和连续列索引，根本不需要拼接！你只需要把所有需要的列索引合并成一个数组，然后一次性提取即可，这比拼接高效得多，代码也更简洁。

举个通用的例子：
假设你需要：

• 非连续列：任意列表/数组 non_continuous = [2,5,7,11]
• 连续列：从第13列到第20列（左闭右开，对应13:20）

你可以这样构造索引并提取：

import numpy as np

# 构造连续列的索引数组
continuous_indices = np.arange(13, 20)
# 合并所有需要的列索引
all_indices = np.hstack([non_continuous, continuous_indices])
# 一次性提取目标列
result = your_data[:, all_indices]

如果你的连续列是多个区间（比如0:3和15:18），也可以用np.hstack把多个arange结果拼起来，完全通用。

方法2：若一定要用concatenate，批量提取非连续列再拼接 #

如果你习惯用np.concatenate，也不用链式拼单个列——可以一次性提取所有非连续列，再和连续列拼接，只需要一次concatenate调用：

# 一次性提取所有非连续列
non_continuous_part = your_data[:, non_continuous]
# 提取连续列
continuous_part = your_data[:, 13:20]
# 拼接两部分
result = np.concatenate([non_continuous_part, continuous_part], axis=1)

这种方式比链式拼接单个列简洁太多，而且同样不依赖具体的列号。

进阶：封装成通用工具函数 #

如果经常需要做这种操作，可以封装一个小函数，参数传入原始数据、非连续列列表、连续列的起止范围（或多个连续区间），彻底实现通用化：

def get_mixed_columns(data, non_continuous_cols, continuous_ranges):
    """
    提取混合非连续列和连续列的通用函数
    参数：
        data: 原始numpy数组
        non_continuous_cols: 非连续列的索引列表/数组，比如[2,5,7]
        continuous_ranges: 连续列的起止范围列表，比如[(0,3), (13,20)]
    返回：
        包含目标列的numpy数组
    """
    # 处理连续列索引
    cont_indices = []
    for start, end in continuous_ranges:
        cont_indices.extend(np.arange(start, end))
    # 合并所有索引
    all_indices = np.hstack([non_continuous_cols, cont_indices])
    # 返回结果
    return data[:, all_indices]

# 调用示例
result = get_mixed_columns(your_data, [2,5,7], [(0,3), (13,20)])

这样不管你要选什么样的列组合，只要传参数就行，完全不用关心具体列号，复用性拉满！

内容的提问来源于stack exchange，提问作者dward4