你可以重复你的数据足够，所以你不需要绕回。
长度为3的子字符串：

s = 'Python'
r = 3

s2 = s + s[:r-1]
for i in range(len(s)):
    print(s2[i:i+r])

输出：

Pyt
yth
tho
hon
onP
nPy

大小为2 × 2的子矩阵：

import numpy as np

m = np.mat('''1 2 3; 
              4 5 6; 
              7 8 9''')
r = 2

m2 = np.tile(m, (2, 2))
for i in range(3):
    for j in range(3):
        print(m2[i:i+r, j:j+r])

输出（Attempt This Online!）：

[[1 2]
 [4 5]]
[[2 3]
 [5 6]]
[[3 1]
 [6 4]]
[[4 5]
 [7 8]]
[[5 6]
 [8 9]]
[[6 4]
 [9 7]]
[[7 8]
 [1 2]]
[[8 9]
 [2 3]]
[[9 7]
 [3 1]]

对于更大的多维数组，简单的np.tile增加了m，你只需要在每个维度上增加+ r-1，而不是* 2，就像我对字符串所做的那样，不知道如何对数组做好，另外我认为你也可以让你的负索引工作，所以我们只需要有人来做这件事。

使用高级索引（请参见以 "应从4x3阵列中使用高级索引选择角元素" 开头的部分）：

import numpy as np

m = np.mat('''1 2 3; 
              4 5 6; 
              7 8 9''')

print(m[np.ix_(range(-1, 1), range(-1, 1))])
print(m[np.ix_(range(-2, 2), range(-2, 2))])
print(m[np.arange(-2, 2)[:, np.newaxis], range(-2, 2)])

输出（Attempt This Online!）：

[[9 7]
 [3 1]]
[[5 6 4 5]
 [8 9 7 8]
 [2 3 1 2]
 [5 6 4 5]]
[[5 6 4 5]
 [8 9 7 8]
 [2 3 1 2]
 [5 6 4 5]]

遍历所有子矩阵

既然你想遍历所有的子矩阵，我们可以事先分别准备好行范围和列范围，然后使用它们的配对来快速索引：

import numpy as np

A = np.mat('''1 2 3; 
              4 5 6; 
              7 8 9''')

m, n = A.shape

rowranges = [
    (np.arange(i, i+2) % m)[:, np.newaxis]
    for i in range(m)
]
colranges = [
    np.arange(j, j+2) % n
    for j in range(n)
]

for rowrange in rowranges:
    for colrange in colranges:
        print(A[rowrange, colrange])

输出（Attempt This Online!）：

[[1 2]
 [4 5]]
[[2 3]
 [5 6]]
[[3 1]
 [6 4]]
[[4 5]
 [7 8]]
[[5 6]
 [8 9]]
[[6 4]
 [9 7]]
[[7 8]
 [1 2]]
[[8 9]
 [2 3]]
[[9 7]
 [3 1]]

3D用例

m3d = np.array(list(range(27))).reshape((3,3,3))
m3d[np.ix_(range(-1,1), range(-1,1), range(-1,1))]

输出：

array([[[26, 24],
        [20, 18]],

       [[ 8,  6],
        [ 2,  0]]])

只需将两个部分结合起来即可：

>>> str[-7:]+str[:5]
'Python==Hell'