numpy在矩阵运算中用的非常频发，今天小编带大家看看Python中numpy如何解决切片的问题。

1.取元素 X[n0,n1]

这是最基本的情况，表示取 第0维 的第 n0 个元素，继续取 第1维 的第 n1个元素。如 X[2,2] 表示第0维第2个元素[20,21,22,23],然后取其第1维的第2个元素即 22；

2.切片 X[s0:e0,s1:e1]

这是最通用的切片操作，表示取 第0维 的第 s0 到 e0 个元素，继续取 第1维 的第 s1 到 e1 个元素（左闭右开）。如 X[1:3,1:3] 表示第0维第(1:3)个元素[[10,11,12,13],[20,21,22,23]],然后取其第1维的第(1:3)个元素即 [[11,12],[21,22]]；

3.切片特殊情况 X[:e0,s1:]

特殊情况，即左边从0开始可以省略X[:e0,s1:e1]，右边到结尾可以省略X[s0:,s1:e1]，取某一维全部元素X[:,s1:e1]，事实上和Python 的 序列切片规则是一样的。

常见的 X[:,0] 则表示 第0维取全部，第1维取0号元素；

示例代码

import numpy as np X = np.array([[0,1,2,3],[10,11,12,13],[20,21,22,23],[30,31,32,33]]) # X 是一个二维数组，维度为 0 ，1 # 第 0 层 [] 表示第 0 维；第 1 层 [] 表示第 1 维； # X[n0,n1] 表示第 0 维 取第n0 个元素 ，第 1 维取第 n1 个元素 print(X[1,0]) # X[1:3,1:3] 表示第 0 维 取 (1:3)元素 ，第 1 维取第(1:3) 个元素 print(X[1:3,1:3]) # X[:n0,:n1] 表示第 0 维 取 第0 到 第n0 个元素 ，第 1 维取 第0 到 第n1 个元素 print(X[:2,:2]) # X[:,:n1] 表示第 0 维 取 全部元素 ，第 1 维取 第0 到第n1 个元素 print(X[:,:2]) # X[:,0]) 表示第 0 维 取全部 元素 ，第 1 维取第 0 个元素 print(X[:,0])

</pre>
输出结果

10 [[11 12] [21 22]] [[ 0  1] [10 11]] [[ 0  1] [10 11] [20 21] [30 31]] [ 0 10 20 30]
<pre class="brush:js;toolbar:false">

PS：X[n0,n1]简介

X[n0,n1]是通过 numpy 库引用二维数组或矩阵中的某一段数据集的一种写法。

类似的，X[n0,n1,n2]表示取三维数组，取N维数组则有N个参数，N-1个逗号分隔。

以二维数组为例：

import numpy as np X = np.array([[0,1,2,3],[10,11,12,13],[20,21,22,23],[30,31,32,33]])

X 是一个二维数组，维度分别为 0 ，1；为了方便理解多维，采取数中括号的方式 ‘[’ 确定维数，例如：从左往右，第 0 层 [] 表示第 0 维；第 1 层 [] 表示第 1 维；…以此类推。

学会了切片方法的小伙伴，不要错过我们下期的numpy索引哦。