Numpy：这是切割mulltidim数组的最快方法吗？

Question

假设我有一个多维Numpy数组。现在我想：

• 切掉由startIndex和endIndex定义的特定行范围。你知道吗
• 得到一个原始数组减去切片的数组。你知道吗

下面的代码实现了这个技巧，但是这是性能最好的吗？你知道吗

• 因为我的数组很大，所以我可以（内存中立）切掉原始数组，这样之后原始数组就是剩余的。所以除了新数组的头的一些开销之外，这不会花费额外的内存吗？

• 如果我们保留原来的数组，下面的片段（创建新数组）是最有效的解决方案吗？

示例：

import numpy as np
X = np.random.random((6, 2))
print('Orig',X)
startIndex = 2
endIndex = 4
print('Slice ',X[startIndex:endIndex])
print('LeftOver ',np.concatenate((X[:startIndex-1],X[endIndex:])))

输出：

Orig [[ 0.94661646  0.3911347 ]
 [ 0.6807441   0.676658  ]
 [ 0.81109554  0.18089991]
 [ 0.6161699   0.19907537]
 [ 0.12859196  0.34866049]
 [ 0.22283545  0.04949782]]
Slice  [[ 0.81109554  0.18089991]
 [ 0.6161699   0.19907537]]
LeftOver  [[ 0.94661646  0.3911347 ]
 [ 0.12859196  0.34866049]
 [ 0.22283545  0.04949782]]

Answer 1

连接制作一个副本，如果顺序很重要，您需要它。你知道吗

但如果你的切片很薄，而且顺序无关紧要，那么更经济的方法是：

import numpy as np
size=6
X = np.random.random((size, 2))
print('Orig\n',X)
startIndex = 3
endIndex = 5
Slice=X[startIndex:endIndex].copy()
length = min(endIndex-startIndex,size-endIndex) # to check overlap
X[startIndex:startIndex+length]=X[-length:]
Left=X[:size-len(Slice)]
print('Slice\n',Slice)
print('LeftOver\n',Left)

因为最多只能复制2倍大小的切片，而不是整个数组。你知道吗

它给出：

Orig
 [[ 0.39351322  0.42100711]
 [ 0.14793363  0.12149344]
 [ 0.94524844  0.22004186]
 [ 0.816418    0.35630767]
 [ 0.37781821  0.12336287]
 [ 0.65995888  0.23812275]]
Slice
 [[ 0.816418    0.35630767]
 [ 0.37781821  0.12336287]]
LeftOver
 [[ 0.39351322  0.42100711]
 [ 0.14793363  0.12149344]
 [ 0.94524844  0.22004186]
 [ 0.65995888  0.23812275]]