第 2 章：索引与切片（Indexing & Slicing） on 跟我学机器学习

NumPy 索引与切片详解：基础索引、Fancy Indexing、布尔掩码与视图副本陷阱 | NumPy 数组计算实战

Sun, 25 Oct 2026 09:30:00 +0800

第 2.1 节核心知识点#

预计学习时长： 40 分钟

本节目标：

会用正数、负数索引取单个元素；

会用切片取一段，并且知道起点含、终点不含；

会用 arr[[...]] 一次性取多个不连续的位置；

会用布尔掩码筛选，包括多个条件同时满足；

知道切片和高级索引的区别，不会再不小心改到原数组。

先说清楚一件事：四种取数方式，两种结果类型#

准备数据：

import numpy as np

scores = np.array([80, 90, 75, 100, 60])
matrix = np.array([
 [1, 2, 3],
 [4, 5, 6],
 [7, 8, 9],
])

先把四种取数方式摆在一起：

写法	返回	类型	改它会改原数组吗
`scores[0]`	一个数	`np.int64`	不会
`scores[1:3]`	一段	`ndarray`	会（视图）
`scores[[0, 2]]`	一段	`ndarray`	不会（副本）
`scores[scores > 75]`	一段	`ndarray`	不会（副本）

「会」和「不会」这一列，就是本章要讲透的核心。

知识点 1：基础索引（Basic Indexing）#

取单个元素：方括号里写数字#

print(scores[0]) # 80
print(scores[2]) # 75

从 0 开始数——和 Python 列表一模一样。

负数索引：从后往前数#

print(scores[-1]) # 60 最后一个
print(scores[-2]) # 100 倒数第二个

越界会直接报错#

scores[5]
# IndexError: index 5 is out of bounds for axis 0 with size 5

注意 NumPy 和 Pandas 的一个区别 在 Pandas 里 df[0] 是取「叫 0 的那一列」；在 NumPy 里 arr[0] 是取「第 0 行的第一个元素」。语义完全不同，别混。

NumPy 编程练习：5 道动手题学会索引与切片（基础索引、Fancy Indexing、布尔掩码、视图副本） | NumPy 数组计算实战

Sun, 25 Oct 2026 09:30:00 +0800

第 2.2 节编程练习#

预计学习时长： 45 分钟

练习方式： 新建一个 Jupyter Notebook，把下面的数据抄进去，然后每题独立完成。第 5 题最重要，一定要亲手跑一遍。

准备：先把数据建好#

import numpy as np

scores = np.array([80, 90, 75, 100, 60])

matrix = np.array([
 [1, 2, 3],
 [4, 5, 6],
 [7, 8, 9],
])

练习 1：通过索引和切片提取指定位置的元素#

题目： 完成下面 6 个任务：

取出 scores 的第 0 个元素、第 2 个元素；
取出 scores 的最后一个元素（用负数索引）；
取出 scores 位置 1 到 3 的元素（不含 3）；
取出 scores 的前 3 个元素；
取出 scores 里每隔一个的元素（即下标 0、2、4）；
取出 matrix 的第 1 行和第 1 列，分别打印。

思考题： 第 3 题如果用 Pandas 的 loc 写法 scores.loc[1:3]，结果会一样吗？

NumPy 常见问题答疑：10 个索引与切片的疑问（基础索引、Fancy Indexing、布尔掩码、视图副本） | NumPy 数组计算实战

Sun, 25 Oct 2026 09:30:00 +0800

第 2.3 节常见问题#

这一节收集了初学者在 NumPy 取数阶段最常卡的 10 个问题。每个问题都给出直接答案，能跑代码的都附上完整示例。

怎么用这一节 不用通读。遇到问题用 Ctrl+F 搜关键词，直接跳到对应那条。

准备一下数据，下面每题都会用到：

import numpy as np

scores = np.array([80, 90, 75, 100, 60])

matrix = np.array([
 [1, 2, 3],
 [4, 5, 6],
 [7, 8, 9],
])

Q1：NumPy 数组的索引为什么从 0 开始？#

答：因为 NumPy 沿用了 C 语言的规矩，而 Python 列表也一样。

原因很朴素：下标表示的是「往后数几个」。

第 1 个元素，往后数 0 个 → 下标 0；
第 2 个元素，往后数 1 个 → 下标 1；
第 5 个元素，往后数 4 个 → 下标 4。

这样算起来最省事，NumPy 底层做偏移计算也最快。

那 arr[1] 到底是第 1 个还是第 2 个？ 第 2 个。 arr[1] 是「下标为 1 的那个」，也就是第 2 个元素。建议养成习惯，念的时候说「下标 1」而不是「第 1 个」，就不会绕晕。

第 2 章：索引与切片（Indexing & Slicing） on 跟我学机器学习

NumPy 索引与切片详解：基础索引、Fancy Indexing、布尔掩码与视图副本陷阱 | NumPy 数组计算实战

第 2.1 节 核心知识点#

先说清楚一件事：四种取数方式，两种结果类型#

知识点 1：基础索引（Basic Indexing）#

取单个元素：方括号里写数字#

负数索引：从后往前数#

越界会直接报错#

NumPy 编程练习：5 道动手题学会索引与切片（基础索引、Fancy Indexing、布尔掩码、视图副本） | NumPy 数组计算实战

第 2.2 节 编程练习#

准备：先把数据建好#

练习 1：通过索引和切片提取指定位置的元素#

NumPy 常见问题答疑：10 个索引与切片的疑问（基础索引、Fancy Indexing、布尔掩码、视图副本） | NumPy 数组计算实战

第 2.3 节 常见问题#

Q1：NumPy 数组的索引为什么从 0 开始？#

第 2.1 节核心知识点#

第 2.2 节编程练习#

第 2.3 节常见问题#