一个解决方案是通过切片/跨步来索引行/列。这里有一个例子，你从第一列到最后一列（即第一列和第四列）提取每三列/行。

In [1]: import numpy as np
In [2]: Y = np.arange(16).reshape(4, 4)
In [3]: Y[0:4:3, 0:4:3]
Out[1]: array([[ 0,  3],
               [12, 15]])

字符串
这将为您提供所需的输出。
有关更多信息，请查看this page on indexing in NumPy。

print y[0:4:3,0:4:3]

字符串
是最短最合适的解决方法

首先，您的Y只有4个col和rows，所以没有col4或row4，最多是col3或row3。
若要获取0，3行：Y[[0,3],:]若要获取0，3行：Y[:,[0,3]]
因此，要获取您请求的数组：Y[[0,3],:][:,[0,3]]
请注意，如果您只使用Y[[0,3],[0,3]]，则它等效于[Y[0,0], Y[3,3]]，结果将包含两个元素：array([ 0, 15])

您还可以使用以下命令执行此操作：

Y[[[0],[3]],[0,3]]

字符串
这相当于使用索引数组：

idx = np.array((0,3)).reshape(2,1)
Y[idx,idx.T]

型
为了使广播按预期工作，你需要索引数组的非单例维度与你索引的轴对齐，例如对于一个n x m的2D子数组：

Y[<n x 1 array>,<1 x m array>]

型
这不会创建一个中间数组，不像CT Zhu的答案，它创建中间数组Y[(0,3),:]，然后索引到它。

这也可以通过slice：Y[[0,3],:][:,[0,3]]来完成。更优雅的是，可以通过给定的行、列、页等索引集来对数组进行切片（甚至重新排序）：

r=np.array([0,3])
c=np.array([0,3])
print(Y[r,:][:,c]) #>>[[ 0  3][12 15]]

字符串
重新排序试试这个：

r=np.array([0,3])
c=np.array([3,0])
print(Y[r,:][:,c])#>>[[ 3  0][15 12]]

型

提取子矩阵可以使用两种方法，这已经在现有的答案中提出。这里是使用这个矩阵的总结：

Y: array([[4, 1, 4, 3, 1],
          [3, 1, 2, 3, 1],
          [4, 3, 2, 2, 4],
          [2, 4, 3, 2, 3],
          [2, 1, 4, 4, 3]])

字符串
1.您的子矩阵是原始矩阵的连续矩形区域，然后使用常规范围索引。例如，提取第3，4行和第2，3行交叉处的区域：
x1c 0d1x的数据

>>> Y[3:, 2:4]
>>> array([[3, 2],
>>>        [4, 4]])

型
1.你的子矩阵不是一个连续的区域，这个区域中的一些行和/或列已经被删除，那么你必须建立一个有效单元格的网格，并将其用作掩码。幸运的是，这是numpy:ix_的目的，例如提取行1，3和列0，3的交集：

的

>>> np.ix_((1,3), (0,3))
>>> (array([[1],
>>>         [3]]),
>>>  array([[0, 3]]))
>>>
>>> Y[np.ix_((1,3), (0,3))]
>>> array([[3, 3],
>>>        [2, 2]])

型
注意np.ix_((1,3), (0,3))严格等价于[[1],[3]],[0, 3]，所以你可以直接使用它而不用调用meshgrid构建器：

>>> Y[[[1],[3]],[0, 3]]
>>> array([[3, 3],
>>>        [2, 2]])

型

给予np.ix_一个尝试：

Y[np.ix_([0,3],[0,3])]

字符串
这将返回您想要的结果：

In [25]: Y = np.arange(16).reshape(4,4)
In [26]: Y[np.ix_([0,3],[0,3])]
Out[26]:
array([[ 0,  3],
       [12, 15]])

型