小心混合数组和列表操作。
制作一些 3 元素数组并像第一种情况一样组合它们：
In [748]: r1,r2,r3,r4=np.arange(3),np.ones(3),np.zeros(3),np.arange(3)[::-1]
In [749]: x1=np.array((r1,r2))
In [750]: x2=np.array((r3,r4))
In [751]: rays=[x1,x2]
In [752]: rays
Out[752]:
[array([[ 0., 1., 2.],
[ 1., 1., 1.]]), array([[ 0., 0., 0.],
[ 2., 1., 0.]])]
rays 现在是一个包含两个二维数组（(2,3) 形状）的列表。正如您所说，您可以从该列表中选择一个项目或向其附加另一个数组（您可以向其附加任何内容，而不仅仅是一个类似的数组）。 rays 的操作是列表操作。
你也可以创建一个 3d 数组：
In [758]: ray_arr=np.array((x1,x2))
In [759]: ray_arr
Out[759]:
array([[[ 0., 1., 2.],
[ 1., 1., 1.]],
[[ 0., 0., 0.],
[ 2., 1., 0.]]])
In [760]: ray_arr.shape
Out[760]: (2, 2, 3)
In [761]: ray_arr[-1]
Out[761]:
array([[ 0., 0., 0.],
[ 2., 1., 0.]])
您可以像列表一样从ray_arr 中进行选择。但是追加需要通过np.concatenate 创建一个新数组（可能隐藏在np.append 函数中）。没有“就地”附加在列表中。
通过在最后一维上进行索引，有效选择所有组件数组的最后一个元素。
In [762]: ray_arr[:,:,-1]
Out[762]:
array([[ 2., 1.],
[ 0., 0.]])
要从列表 rays 中获取相应的值，您必须使用列表推导（或其他循环）：
In [765]: [r[:,-1] for r in rays]
Out[765]: [array([ 2., 1.]), array([ 0., 0.])]
没有像数组那样的索引快捷方式。
有像zip（以及itertools 中的其他工具）这样的工具可以帮助您遍历列表，甚至重新排列值，例如
In [773]: list(zip(['a','b'],['c','d']))
Out[773]: [('a', 'c'), ('b', 'd')]
In [774]: list(zip(['a','b'],['c','d']))[-1]
Out[774]: ('b', 'd')
还有参差不齐的子列表：
In [782]: list(zip(['a','b','c'],['d']))
Out[782]: [('a', 'd')]
In [783]: list(itertools.zip_longest(['a','b','c'],['d']))
Out[783]: [('a', 'd'), ('b', None), ('c', None)]
但我不明白这些将如何帮助从您的光线向量中提取值。
值得探索的是将基向量收集到一个二维数组中，并为各种目的使用对额外组的索引，
In [867]: allrays=np.array([r1,r2,r3,r4])
In [868]: allrays
Out[868]:
array([[ 0., 1., 2.],
[ 1., 1., 1.],
[ 0., 0., 0.],
[ 2., 1., 0.]])
所有光线的“z”坐标
In [869]: allrays[:,-1]
Out[869]: array([ 2., 1., 0., 0.])
光线的一个子集（因为它是一个切片，所以它是一个视图）
In [871]: allrays[0:2,:]
Out[871]:
array([[ 0., 1., 2.],
[ 1., 1., 1.]])
另一个子集：
In [872]: allrays[2:,:]
Out[872]:
array([[ 0., 0., 0.],
[ 2., 1., 0.]])
3 个项目子集，通过列表选择 - 这是一个副本
In [873]: allrays[[0,1,2],:]
Out[873]:
array([[ 0., 1., 2.],
[ 1., 1., 1.],
[ 0., 0., 0.]])
In [874]: allrays[[3],:]
Out[874]: array([[ 2., 1., 0.]])
索引得到的几个子集：
In [875]: ind=[[0,1,2],[3]]
In [876]: [allrays[i] for i in ind]
Out[876]:
[array([[ 0., 1., 2.],
[ 1., 1., 1.],
[ 0., 0., 0.]]),
array([[ 2., 1., 0.]])]
如果组是连续的，你可以使用split:
In [884]: np.split(allrays,[3])
Out[884]:
[array([[ 0., 1., 2.],
[ 1., 1., 1.],
[ 0., 0., 0.]]), array([[ 2., 1., 0.]])]
子数组是视图（检查 .__array_interface__ 属性。
实际上，它只是将参差不齐的列表问题提升了一个级别。尽管如此，还有更多的灵活性。您可以构建其他索引子列表，例如
In [877]: ind1=[i[-1] for i in ind] # last of all groups
In [878]: ind1
Out[878]: [2, 3]
In [879]: ind2=[i[0] for i in ind] # first of all groups
In [880]: ind2
Out[880]: [0, 3]
您可以将一些新值连接到allrays。然后，您可能必须重建索引列表。但我怀疑这种建筑是一次性完成的，而访问是重复的。
我想到了一个关于从plt.pcolormesh（和plt.pcolor）生成的img 中访问值的早期SO 问题。一个将图像作为 2d 网格上的表面来维护，另一个更一般地说，只是四边形的集合，每个四边形都有定义其边界的颜色和路径。