一维数组切片：基础语法与边界行为

切片，说白了就是从一个数组里「切」出一段来。Python 的切片语法 [start:stop:step] 看起来简单，但我在实际项目中见过太多人在这上面翻车。今天咱们就把这个基础但容易踩坑的东西彻底讲透。

基础语法：三个参数的含义

先看一个最直观的例子：

import numpy as np

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# 从索引2开始，到索引7结束（不包含7），步长2
slice1 = arr[2:7:2]
print(slice1)  # 输出：[2 4 6]

三个参数的作用很清晰：

• start：起始索引（包含）
• stop：结束索引（不包含）
• step：步长（默认为1）

嗯，这里要注意一个关键点：stop 是不包含的。这是新手最容易搞混的地方。我刚开始学的时候也纳闷过：「我要取到第7个元素，为什么写7却取不到？」后来才明白，Python 的设计哲学是「左闭右开」——左边包含，右边不包含。

省略参数的几种写法

实际开发中，我们经常省略某些参数。我个人习惯这样用：

写法	含义	示例	结果
arr[:5]	从开头到索引5（不包含）	arr[:5]	[0 1 2 3 4]
arr[3:]	从索引3到末尾	arr[3:]	[3 4 5 6 7 8 9]
arr[:]	整个数组的副本	arr[:]	[0 1 2 3 4 5 6 7 8 9]
arr[::2]	从头到尾，步长2	arr[::2]	[0 2 4 6 8]
arr[::-1]	反转数组	arr[::-1]	[9 8 7 6 5 4 3 2 1 0]

你想想看，arr[::-1] 这个写法多优雅。一个切片就把数组反转了，不用写循环，不用调函数。这就是 Python 切片设计的精妙之处。

边界行为：超出索引会怎样？

很多语言里，数组索引越界会直接报错。但 Python 切片不一样——它很宽容。我曾在项目中用切片处理动态长度的数据流，就是因为这个特性省了不少边界判断的代码。

arr = np.array([0, 1, 2, 3, 4])

# start 超出范围
print(arr[10:])      # 输出：[]
print(arr[10:20])    # 输出：[]

# stop 超出范围
print(arr[:10])      # 输出：[0 1 2 3 4]
print(arr[2:10])     # 输出：[2 3 4]

# 负数索引
print(arr[-3:])      # 输出：[2 3 4]
print(arr[:-2])      # 输出：[0 1 2]

常见陷阱：你以为的未必是你以为的

好了，基础讲完了。下面这些坑，我一个个都踩过，你最好也记住。

陷阱一：切片是视图，不是副本

这是 NumPy 切片和 Python 列表切片最大的区别。NumPy 切片返回的是原数组的视图，修改视图会影响原数组。

arr = np.array([0, 1, 2, 3, 4, 5])
slice_view = arr[2:5]
slice_view[0] = 99
print(arr)  # 输出：[ 0  1 99  3  4  5]  —— 原数组被改了！

我曾经在数据处理流水线里犯过这个错。一个模块切了数据去处理，结果把原始数据污染了，排查了半天才发现是视图引用的问题。如果你需要独立的数据副本，记得用 .copy()：

arr = np.array([0, 1, 2, 3, 4, 5])
slice_copy = arr[2:5].copy()
slice_copy[0] = 99
print(arr)  # 输出：[0 1 2 3 4 5]  —— 原数组没变

陷阱二：步长为负数时的 start 和 stop

步长为负数时，切片是从右向左取的。这时候 start 和 stop 的位置关系要反过来理解。

arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

# 从索引8开始向左取到索引3（不包含3）
print(arr[8:3:-1])  # 输出：[8 7 6 5 4]

# 从末尾开始向左取到开头
print(arr[::-1])    # 输出：[9 8 7 6 5 4 3 2 1 0]

为什么会这样？因为步长为负时，start 是起始点，stop 是终止点，但方向是反的。我建议你记住一个口诀：「步长正，从左到右；步长负，从右到左」。

陷阱三：start 和 stop 同时省略时，步长正负的区别

arr = np.array([0, 1, 2, 3, 4, 5])

# 步长为正：从头到尾
print(arr[::1])   # 输出：[0 1 2 3 4 5]

# 步长为负：从尾到头
print(arr[::-1])  # 输出：[5 4 3 2 1 0]

这个看起来简单，但结合负数索引就容易出问题。比如 arr[-1::-1] 和 arr[::-1] 结果一样，但写法更啰嗦。我个人习惯直接用 arr[::-1]，简洁明了。

陷阱四：空步长与步长为1的区别

步长默认为1，但如果你显式写 step=None，效果是一样的。不过有一种情况要注意：

arr = np.array([0, 1, 2, 3, 4, 5])

# 这两种写法等价
print(arr[1:4])     # 输出：[1 2 3]
print(arr[1:4:1])   # 输出：[1 2 3]

# 但步长为0会报错
# print(arr[1:4:0])  # ValueError: slice step cannot be zero

知识体系总览

下面这张图把一维数组切片的核心知识点串起来了，你可以对照着回顾一下：

避坑指南：我踩过的那些坑

最后，分享几个我实际项目中遇到的切片问题，希望能帮你少走弯路。