这是使用 np.pad 带环绕模式。

>>> a = np.array([[0, 1, 2, 3],
                  [4, 5, 6, 7],
                  [8, 9, 0, 1],
                  [2, 3, 4, 5]])

>>> pad_width = 1
>>> i, j = 2, 3

>>> startrow, endrow = i-1+pad_width, i+2+pad_width # for 3 x 3 submatrix
>>> startcol, endcol = j-1+pad_width, j+2+pad_width

>>> np.pad(a, (pad_width, pad_width), 'wrap')[startrow:endrow, startcol:endcol]
array([[6, 7, 4],
       [0, 1, 8],
       [4, 5, 2]])

根据贴片的形状（例如5 x 5而不是3 x 3），可以增加 pad_width 并相应地开始和结束行和列索引。

np.take 有一个 mode 参数，该参数可以环绕越界索引。但使用起来有点麻烦 np.take 对于多维数组 axis 必须是标量。
但是，在您的特定情况下，您可以这样做：

a = np.array([[0, 1, 2, 3],
              [4, 5, 6, 7],
              [8, 9, 0, 1],
              [2, 3, 4, 5]])

np.take(a, np.r_[2:5], axis=1, mode='wrap')[1:4]

输出：

array([[6, 7, 4],
       [0, 1, 8],
       [4, 5, 2]])

编辑
此函数可能就是您要查找的（？）

def select3x3(a, idx):
    x,y = idx
    return np.take(np.take(a, np.r_[x-1:x+2], axis=0, mode='wrap'), np.r_[y-1:y+2], axis=1, mode='wrap')

但回顾过去，我建议对这种操作使用模和花哨的索引（基本上是 mode='wrap' 不管怎么说，都是在内部进行的）：

def select3x3(a, idx):
    x,y = idx
    return a[np.r_[x-1:x+2][:,None] % a.shape[0], np.r_[y-1:y+2][None,:] % a.shape[1]]

上述解也可推广到平面上的任意二维形状 a .