NumPy切片默认返回视图而非拷贝，但负步长需start>end，省略规则如arr[:3]等价于arr[0:3]；布尔索引返回拷贝且需长度匹配；花式索引总返回拷贝并可能改变维度顺序；np.take/np.compress更安全可控。
用 arr[start:end:step] 做基础切片，但别忽略负索引和省略规则
NumPy 切片本质是视图（view），不是拷贝，这点直接影响内存和后续修改行为。直接写 arr[1:4] 会取索引 1、2、3 的元素（左闭右开），arr[::-1] 可逆序——但要注意：负步长时 start 必须大于 end，否则返回空数组。省略写法很常用：arr[:3] 等价于 arr[0:3]，arr[2:] 从索引 2 到末尾，arr[::2] 取偶数索引位置。
容易踩的坑：
- 对二维数组只写一个切片（如
arr[1:3]）只作用于第 0 轴，等价于arr[1:3, :]，不是“取前两行前两列” -
arr[-1:-3:-1]是合法的（取倒数第一、第二个元素），但arr[-1:-3]返回空，因为默认 step=1 时无法从 -1 到 -3 - 切片结果仍是
ndarray，但维度可能降级（如arr[0]得到一维数组，不是标量）
用布尔索引提取不规则子集，比 np.where 更直观
当你需要“所有大于 5 的元素”或“满足多个条件的行”，布尔索引比循环或 np.where 更简洁高效。直接传入布尔数组（长度必须匹配对应轴）：arr[arr > 5] 返回一维结果；二维下 arr[arr[:, 0] > 0] 提取第 0 列为正的所有行。
关键点：
立即学习“Python免费学习笔记（深入）”；
python-docx Skill功能概述python-docx Skill是一项面向实际任务的技能，主要用于本Skill提供使用python-docx生成专业Word文档的标准方法和最佳实践；生成安全服务方案文档；核心要点生成技术架构设计文档；生成任何需要专业排版的Word文档；核心库 : python-docx；使用与执行辅助库 : docx.shared , docx.enum , docx.oxml.ns；标准代码模板；1. 文档初始化；2. 字体设置（必须！它将相关步骤、工具调用和结果整理方式集
- 布尔数组必须与被切数组在对应维度上长度一致，否则报错
IndexError: boolean index did not match indexed array - 多条件用
&（不是and）、|（不是or）、~（不是not），因为这是逐元素运算 - 布尔索引返回的是拷贝（copy），不是视图，原数组修改不影响结果
- 如果想保留原始形状（比如只屏蔽某些值），用
np.where(condition, arr, np.nan)更合适
用花式索引（fancy indexing）按指定位置取离散元素
当你要取第 0、2、5 行，或第 1、3、7 列，就得用整数数组索引，也就是花式索引：arr[[0, 2, 5]] 或 arr[:, [1, 3, 7]]。它总是返回拷贝，且会**改变维度顺序**：若对行用 [2, 0, 1]，结果行顺序就按这个重排。
常见陷阱：
- 传入列表或元组都行，但不能传普通 Python 整数混合（如
arr[[0, 1], 2]合法，arr[[0, 1], [2]]也合法；但arr[[0, 1], 2:4]会报错，混合花式索引和切片需谨慎） - 二维下
arr[[0, 2], [1, 3]]是“取 (0,1) 和 (2,3) 两个点”，不是笛卡尔积；要取所有组合得用np.ix_ - 索引数组里有重复值（如
[0, 0, 1]）会导致结果中对应行也重复，这有时是故意为之，但容易误以为是 bug
用 np.take 和 np.compress 替代手写索引，尤其适合高维或动态场景
当索引逻辑复杂或来自变量时，np.take(arr, indices, axis=1) 比 arr[:, indices] 更安全——它自动处理 indices 超出范围的情况（默认抛异常，可设 mode='wrap' 或 'clip'）。而 np.compress(condition, arr, axis=0) 是布尔索引的函数式等价物，好处是 axis 明确可控，且能嵌套调用。
适用场景：
- 从配置读取列号列表，再批量提取：
np.take(arr, col_ids, axis=1)比arr[:, col_ids]更容错 - 在函数中封装子集逻辑，避免用户传错维度：
np.compress(mask, arr, axis=0)明确限定作用轴 -
np.take支持out参数预分配输出数组，对性能敏感路径有用 - 注意：
np.take不支持负步长切片，也不支持布尔数组，别试图用它替代arr[arr > 0]
最常被忽略的一点：切片是否返回视图，取决于操作类型和数组内存布局。哪怕你只用 :，如果原数组是非 C 连续（比如转置后未复制），切片也可能被迫返回拷贝。用 arr.flags.c_contiguous 和 np.may_share_memory(arr, subset) 实际验证，别只靠经验猜。
