ndarray支持在多维数组上的切片操作。为了方便起见，我们可以用一个省略号（...）来

表示遍历剩下的维度。

（1）举例来说，我们先用arange函数创建一个数组并改变其维度，使之变成一个三维数组：>>>b=np.arange(24).reshape(2,3,4)

>>> b.shape

(2L, 3L, 4L)

>>> b

array([[[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]],

[[12, 13, 14, 15],

[16, 17, 18, 19],

[20, 21, 22, 23]]])

多维数组b中有0~23的整数，共24个元素，是一个2×3×4的三维数组。我们可以形象地把它看做一个两层楼建筑，每层楼有12个房间，并排列成3行4列。或者，我们也可以将其看成是电子表格中工作表（sheet）、行和列的关系。你可能已经猜到，reshape函数的作用是改变数组的“形状”，也就是改变数组的维度，其参数为一个正整数元组，分别指定数组在每个维度上的大小。如果指定的维度和数组的元素数目不相吻合，函数将抛出异常。

（2）我们可以用三维坐标来选定任意一个房间，即楼层、行号和列号。例如，选定第1层楼、第1行、第1列的房间（也可以说是第0层楼、第0行、第0列，这只是习惯问题），可以这样表示：>>>b[0,0,0]

0

(3)如果我们不关心楼层，也就是说要选取所有楼层的第1行、第1列的房间，那么可以将第1个下标用英文标点的冒号:来代替：>>>b[:,0,0]

array([0, 12])

>>>b[0]

array([[0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

我们还可以这样写，选取第1层楼的所有房间：>>>b[0,:,:]

array([[0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

多个冒号可以用一个省略号（...）来代替，因此上面的代码等价于：>>>b[0,...]array([[0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

进而可以选取第1层楼、第2排的所有房间：>>>b[0,1]

array([4,5, 6, 7])

(4) 再进一步，我们可以在上面的数组切片中间隔地选定元素：>>>b[0,1,::2]

array([4,6])

(5) 如果要选取所有楼层的位于第2列的房间，即不指定楼层和行号，用如下代码即可：>>>b[...,1]

array([[1, 5, 9],

[13, 17, 21]])

类似地，我们可以选取所有位于第2行的房间，而不指定楼层和列号：>>>b[:,1]

array([[4, 5, 6, 7],

[16, 17, 18, 19]])

如果要选取第1层楼的所有位于第2列的房间，在对应的两个维度上指定即可：>>>b[0,:,1]

array([1,5, 9])

(6)如果要选取第1层楼的最后一列的所有房间，使用如下代码：>>>b[0,:,-1]

array([3, 7, 11])

如果要反向选取第1层楼的最后一列的所有房间，使用如下代码：>>>b[0,::-1,-1]

array([11, 7, 3])

在该数组切片中间隔地选定元素：>>>b[0,::2,-1]

array([3, 11])

如果在多维数组中执行翻转一维数组的命令，将在最前面的维度上翻转元素的顺序，在我们

的例子中将把第1层楼和第2层楼的房间交换：>>>b[::-1]

array([[[12,13, 14, 15],

[16, 17, 18, 19],

[20, 21, 22, 23]],

[[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]]])

刚才做了些什么

我们用各种方法对一个NumPy多维数组进行了切片操作。