在python中编写[1:20,25:30]的最有效方法是什么

在 MATLAB/八度音阶中

[1:20,25:30]

发生 3 件事 - 1:20，并25:30生成矩阵，并将[ ]它们合并为一个矩阵。

>> [1:20,25:30]
ans =
 Columns 1 through 16:
    1    2    3    4    5    6    7    8    9   10   11   12   13   14   15   16
 Columns 17 through 26:
   17   18   19   20   25   26   27   28   29   30
>> A = 1:20;
>> B = 25:30;
>> [A, B]
ans =
 Columns 1 through 16:
    1    2    3    4    5    6    7    8    9   10   11   12   13   14   15   16
 Columns 17 through 26:
   17   18   19   20   25   26   27   28   29   30

相当于numpy：

In [193]: A = np.arange(1,21);
In [194]: B = np.arange(25,31);
In [195]: np.concatenate((A,B))
Out[195]: 
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19, 20, 25, 26, 27, 28, 29, 30])

有迹象表明，做samething等功能，但所有最终使用concatenate，np.block，np.hstack，np.r_等等concatenate是基本numpy为沿着一个维度或另一个接合阵列功能。

在 Python 中，您可以使用类似的语法从列表中删除元素：

In [201]: alist = list(range(10))
In [202]: alist
Out[202]: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
In [203]: alist[3:6] = []
In [204]: alist
Out[204]: [0, 1, 2, 6, 7, 8, 9]

但这不适用于numpy数组。它们的大小是固定的。您能做的最好的事情是创建一个没有选定零件的新列表。有一个np.delete可以为您做这件事，但它是一种方便而不是速度工具。

In [205]: arr = np.arange(10)
In [207]: np.delete(arr, slice(3,6))
Out[207]: array([0, 1, 2, 6, 7, 8, 9])

delete根据移除对象做各种事情。我认为在这种情况下它会将切片复制到一个新数组

In [208]: res = np.zeros(10-3, arr.dtype)
In [209]: res[:3]=arr[:3]
In [210]: res[3:]=arr[6:]
In [211]: res
Out[211]: array([0, 1, 2, 6, 7, 8, 9])

或者也许只是：

In [212]: np.concatenate([arr[:3], arr[6:]])
Out[212]: array([0, 1, 2, 6, 7, 8, 9])

特别是如果删除值是一个列表，而不是一个切片，则delete使用一个mask：

In [213]: mask = np.ones(arr.shape, dtype=bool)
In [214]: mask[3:6]=0
In [215]: mask
Out[215]: 
array([ True,  True,  True, False, False, False,  True,  True,  True,
        True])
In [216]: arr[mask]
Out[216]: array([0, 1, 2, 6, 7, 8, 9])

MATLAB 可以通过将更多操作移到编译代码中来更快地完成其中一些事情。但我预计，逻辑将是相似的。