Python 用numpy快速切片

在我的应用程序中，

A

和

jj

被表示为平坦的一维

numpy

数组

jj

没有严格的规则模式。我们可以通过以下方式处理

A

的切片

jj

：

A = np.arange(10)
jj = np.array([3,5,6])
A[jj]

这被称为“花式切片”，并被告知要慢。有没有一种方法可以通过以下方式加快访问速度：

A = np.arange(10)
jj = np.array([3,5,6])
ii = slice(jj)
A[ii]

这个例子不起作用，但也许还有另一种精益方法。slice命令是。有没有办法将

jj

numpy数组强制转换为

slice（jj）

，从而提高效率

---

我的背景是在变系数计算流体力学中建立一个大系统矩阵。谢谢你的提示

不幸的是，由于您没有一个规则的模式，没有比花式索引更好的方法了。这是唯一的办法

---

速度较慢的原因是切片索引不会复制值，因为您可以创建具有所需步幅的视图。对于不规则图案，只能复制数据。因此它会变得更慢。

不幸的是，由于您没有一个规则的模式，没有比花式索引更好的方法了。这是唯一的办法

---

速度较慢的原因是切片索引不会复制值，因为您可以创建具有所需步幅的视图。对于不规则图案，只能复制数据。因此，它将变得更慢。

python

切片有3个值-开始、停止、步骤。如果您可以使用
np.arange
或
range
调用生成
jj
，则可以将其转换为
切片。但是要了解切片的相对速度，您必须了解
视图
和
副本
之间的区别，并最终了解
numpy
如何使用
跨步
和
形状
将平面数据数组视为多维数组。python
切片
有3个值-开始、停止、，步骤。如果您可以使用
np.arange
或
range
调用生成
jj
，则可以将其转换为
片段
。但要了解切片的相对速度，您必须了解
视图
和
副本
之间的区别，并最终了解
numpy
如何使用
跨步
和
形状
将平面数据数组视为多维数组。