Python 通过二维数组作为索引范围在一维数组上显示Numpy视图

我有一个2D数组，它描述了一维数组的索引范围，如

z = np.array([[0,4],[4,9]])

一维阵列

a = np.array([1,1,1,1,0,0,0,0,0,1,1,1,1])

我想查看索引范围由z定义的一维数组。因此，仅针对第一个范围

 a[z[0][0]:z[0][1]]

如何在所有范围内获得它？是否可以使用z定义的长度不等的as_跨步作为形状？我想避免复制数据，实际上我只想在一个不同的视图上进行进一步的计算

In [66]: a = np.array([1,1,1,1,0,0,0,0,0,1,1,1,1])
In [67]: z = np.array([[0,4],[4,9]])

因此，从

z

的行生成切片，我们得到2个数组：

In [68]: [a[x[0]:x[1]] for x in z]
Out[68]: [array([1, 1, 1, 1]), array([0, 0, 0, 0, 0])]

这些数组分别是视图。但它们并不是一个数组。长度不同，因此不能将其

v固定到（2，？）数组中。它们可以
hs固定
，但这不是视图

np.array\u split
的计算核心是：

sub_arys = []
sary = _nx.swapaxes(ary, axis, 0)
for i in range(Nsections):
    st = div_points[i]
    end = div_points[i + 1]
    sub_arys.append(_nx.swapaxes(sary[st:end], axis, 0))

忽略
swapax
位，这与我的列表理解是一样的。
因为窗口长度不规则，所以不认为这是可能的。那么
a[z[0][0]：z[0][1]
，
a[z[1][0]：z[1][1]有什么问题吗
等等？然后我也可以直接使用split和变更点作为分割点，在本例中是np.split（a，[4,9]）。问题是什么更快？我认为split复制了数据，因此具有范围的for循环更快？np.split返回子数组（在本文中是视图）。如果
b=np.split（a[4,9]）
和
a[1]=-1
，那么
b[0][1]=-1
for x, y in z:
    array_view = a[x:y]
    # do something with array_view