python中神奇的切片

By 青衣极客 Blue Geek In 2019-09-16

使用python进行数据分析的朋友或许没有不知道“切片”这种操作的。使用“切片”不仅能够让代码更加简洁，也能在很大程度上提升程序运行的性能。这里我们简要介绍一些python中最常用的“切片”操作的使用方式。对于一些第三方模块，也常常提供类似的使用方法以提升效率。

import os
import numpy as np

1. 什么是切片？

切片就是从一个元素序列中获取子集。如果一种编程语言没有提供特殊的切片操作， 这需要自己编写程序完成这种操作。对于一个python列表数据，我们想要从中获取一些子元素组成的列表，当然可以使用最直观粗暴的方式完成。

a_list = list(range(10))
print('a_list =', a_list)

# 获取a_list中第5到第8个元素
b_list = [x for idx, x in enumerate(a_list) if idx >= 4 and idx <= 7]
print('b_list =', b_list)

# 获取a_list中索引为偶数的元素
c_list = [x for idx, x in enumerate(a_list) if idx % 2 == 0]
print('c_list = ', c_list)

a_list = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
b_list = [4, 5, 6, 7]
c_list =  [0, 2, 4, 6, 8]

这样虽然也能实现需求，但是，无论从可读性还是效率方便都是不高的。这时python提供的“切片”操作就有用武之地了。

# 使用python中的切片操作
da_list = a_list[4:8]
db_list = a_list[::2]
print('da_list = ', da_list)
print('db_list = ', db_list)

da_list =  [4, 5, 6, 7]
db_list =  [0, 2, 4, 6, 8]

从以上两种方式的实现可以看出，“切片”比直接粗暴的实现要好很多。开发者在知晓“切片”之后对第一种方式的实现是从心底排斥的。

2. 怎样设置切片的参数？

切片确实比自己手动用循环和分支结构编写程序要方便很多，而且代码简洁。接下来就需要了解切片的参数以便灵活运用切片了。切片参数的完成格式如下：

start_index : end_index : step

前闭后开，包含start_index, 不包含end_index。比如下面的例子所示：

# 获取索引3到索引7之间(前闭后开)索引为奇数的元素
b_list = a_list[3:7:2]
print('b_list = ', b_list)

b_list =  [3, 5]

在实际开发中，使用这种完整形式的情况反而不太多，毕竟需要多写几个字符对程序员而言实在是不能忍受的事情。而且，在一些情况下省略参数能够避免对一些边界条件的繁冗判断。下面就展示几种省略参数的情况。

(1) 省略start_index，则该参数默认为0

# 省略start_index，则该参数默认为0
c_list = a_list[:7:2]
print('c_list = ', c_list)

c_list =  [0, 2, 4, 6]

(2) 省略end_index，则该参数默认包含序列最后一个元素

# 省略end_index，则该参数默认包含序列最后一个元素
d_list = a_list[3::2]
print('d_list = ', d_list)

d_list =  [3, 5, 7, 9]

(3) 省略step，则该参数默认为 1

# 省略step，则该参数默认为 1
e_list = a_list[3:7]
print('e_list = ', e_list)

e_list =  [3, 4, 5, 6]

(4) 全都省略，则表示取所有元素

# 全都省略，则表示取所有元素
f_list = a_list[:]
print('f_list = ', f_list)

f_list =  [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

3. 神奇的效果

以上省略一些参数是常规用法，还有一些特殊的参数设置往往能让“切片”操作看起来非常神奇。这里就给出几个神奇效果的例子。

(1) 取倒数第4个到倒数第1个元素

# 取倒数第4个到倒数第1个元素
b_list = a_list[-4:-1]
print('b_list = ', b_list)

b_list =  [6, 7, 8]

(2) 取序列元素的倒序

# 取序列元素的倒序
c_list = a_list[::-1]
print('c_list = ', c_list)

c_list =  [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

(3) 取索引为7到索引为2的元素

# 取索引为7到索引为2的元素
d_list = a_list[7:2:-1]
print('d_list = ', d_list)

d_list =  [7, 6, 5, 4, 3]

(4) 取倒数第1个到倒数第4个元素

# 取倒数第1个到倒数第4个元素
e_list = a_list[-1:-4:-1]
print('e_list = ', e_list)

e_list =  [9, 8, 7]

大家可以想想，这几个神奇效果的例子，如果不使用这种“切片”的方式实现，那么该如何实现呢？实现方法可能五花八门，但基本可以肯定比较复杂。这也是切片受大家喜闻乐见的原因。

4. numpy中的切片

numpy虽然是第三方模块，但其提供的切片操作与python本身的操作非常相似，而且numpy也是使用python进行数据分析或者机器学习所必不可少的工具。这里也简要介绍一些numpy中的切片。首先需要创建一个numpy数组：

arr = np.array(range(25))
arr = np.reshape(arr, (5,5))
print('arr =', arr)

arr = [[ 0  1  2  3  4]
       [ 5  6  7  8  9]
       [10 11 12 13 14]
       [15 16 17 18 19]
       [20 21 22 23 24]]

然后就可以对这个数组进行切片操作了。

(1) 取第2到第4行

# 取第2到第4行
b_arr = arr[2:5, :]
print('b_arr = ', b_arr)

b_arr =  [[10 11 12 13 14]
          [15 16 17 18 19]
          [20 21 22 23 24]]

(2) 取第2到第4列

# 取第2到第4列
c_arr = arr[:, 2:5]
print('c_arr = ', c_arr)

c_arr =  [[ 2  3  4]
 [ 7  8  9]
 [12 13 14]
 [17 18 19]
 [22 23 24]]

(3) 二维切片, 第一个是行切片，第二个是列切片

d_arr = arr[0:4:2, -1:-3:-1]
print('d_arr = ', d_arr)

d_arr =  [[ 4  3]
 [14 13]]

(4) 省略号的使用

# 省略号
e_arr = arr[0:2, ...]
print('e_arr = ', e_arr)

e_arr =  [[0 1 2 3 4]
 [5 6 7 8 9]]

省略号的这种方式在高维张量的切片操作中常常使用。

Python中最常用的切片形式基本都提到了，看到学到，一直到最终在自己的项目中使用才算是得到，希望大家都能通过“切片”的使用提升开发效率。

CHANGELOG

• 2020-04-07 加入解说文本

• Previous
  pandas的21个基本操作
• Next
  python函数参数传递的秘密