Numpy：切片数组时是否需要进行绑定检查答案

【问题标题】：Numpy: are bound checks necessary when slicing arraysNumpy：切片数组时是否需要进行绑定检查
【发布时间】：2021-07-07 17:40:21
【问题描述】：

如果你这样做，例如以下：

a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]])
print(a[2:10])

Python 不会抱怨并像a[2:] 一样打印数组，这在我的用例中会很棒。我想遍历一个大数组并将其切成大小相等的块，直到数组“用完”。因此，最后一个数组可以比其他数组小，这对我来说并不重要。

但是：我担心安全漏洞、性能漏洞、这种行为在不久的将来被弃用的可能性等等。使用这样的切片是否安全，是否应该避免，我有加倍努力确保最后一块被切片为a[2:] 或a[2:len(a)]？

有像this 这样的相关答案，但我没有找到任何解决我问题的方法

【问题讨论】：

numpy 从 Python 列表中继承了这种行为（至少在概念上如此），而且它从一开始就是标准行为。您无法在界限之外建立索引。主要（唯一？）缺点是您最终可能会得到一个小于预期的数组，甚至可能在 siced 维度中大小为 0。但你知道这一点。
谢谢，这很有帮助！

【解决方案1】：

切片解析不是在 numpy 中完成的。 slice 对象有一个方便的方法，称为indices 方法，它只记录在PySlice_GetIndices 下的C API 中。事实上，python 文档指出它们除了存储索引之外没有其他功能。

运行a[2:10]时，切片对象为slice(2, 10)，轴长为a.shape[0] == 5：

>>> slice(2, 10).indices(5)
(2, 5, 1)

这是 Python 的内置行为，比 numpy 级别低。链接的问题有一个获取相应索引错误的示例：

>>> a[np.arange(2, 10)]

在这种情况下，传递的对象不是切片，所以它确实由 numpy 处理，并引发错误：

IndexError: index 5 is out of bounds for axis 0 with size 5

这与您尝试单独访问无效索引时遇到的错误相同：

>>> a[5]
...
IndexError: index 5 is out of bounds for axis 0 with size 5

顺便说一下，python 列表和元组也会检查标量索引的边界：

>>> a.tolist()[5]
...
IndexError: list index out of range

您可以实现自己的边界检查，例如使用slice.indices 创建一个精美的索引：

>>> a[np.arange(*slice(2, 10).indices(a.shape[0]))]
array([[ 7,  8,  9],
       [10, 11, 12],
       [13, 14, 15]])

【讨论】：