给定一个ndarray：
In [2]: a
Out[2]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
我寻找一个例程给我：
array([7, 8, 9, 0, 1])
例如：从索引 8 开始，跨越数组边界并在索引 2 处停止（包括）如果我使用切片，我（当然）得到：
In [3]: a[-3:2]
Out[3]: array([], dtype=int64)
就是使用翻滚功能。
In [5]: np.roll(a,3)[:5]
Out[5]: array([7, 8, 9, 0, 1])
我不喜欢这个，它不像切片那么简单。所以我寻找类似的东西：
In [6]: a.xxx[-3:2]
例如在pandas.DataFrame.iloc中存在与此类似的语法。非常感谢您！
注意：iloc，不做我想做的事。我只是提到了语法（我喜欢）。感谢您的评论，cᴏʟᴅsᴘᴇᴇᴅ
python/numpy 中没有任何切片机制可以自动环绕列表/数组（作为循环容器），就像您正在寻找的那样，所以真正做到这一点的唯一方法是使用函数。你正在做的事情roll既好又紧凑，即使它不像你喜欢的那样惯用。下面，我概述了几个（稍微多一点）惯用/pythonic 解决方案，它们做同样的事情。
选项 1
np.take基于hpaulj 的评论：
np.take(a, range(len(a) - 3, len(a) + 2), mode='wrap')
array([7, 8, 9, 0, 1])
选项 2
islice对象cycle：
from itertools import islice, cycle
list(islice(cycle(a), len(a) - 3, len(a) + 2))
[7, 8, 9, 0, 1]
不像coldspeeds解决方案或滚动那么漂亮，但是
def over_edge_slicing(arr, start, end):
return np.append(arr[start:], arr[:end])
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
print(over_edge_slicing(a, -3, 2))
将是另一种方式来写这个。但是，您失去了一般性（例如，您不能使用它从索引 2-4 切片）。
np.arange()在问了这个问题 3 年后，这个问题突然出现在我的脑海中......
>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> a[np.arange(-3, 2)]
array([7, 8, 9, 0, 1])