在 NumPy 中工作，我了解如何使用这篇文章从 3D 数组中分割 2D 数组。
根据我想要切片的轴：
array = [[[0 1 2]
[3 4 5]
[6 7 8]]
[[9 10 11]
[12 13 14]
[15 16 17]]
[[18 19 20]
[21 22 23]
[24 25 26]]]
切片会给我：
i_slice = array[0]
[[0 1 2]
[3 4 5]
[6 7 8]]
j_slice = array[:, 0]
[[0 1 2]
[9 10 11]
[18 19 20]]
k_slice = array[:, :, 0]
[[0 3 6]
[9 12 15]
[18 21 24]]
但是可以以 45 度角切片吗？如：
j_slice_down = array[slice going down starting from index 0]
[[0 1 2]
[12 13 14]
[24 25 26]]
我能够在所有 3 个轴的上升或下降中实现这一点，甚至一直环绕......在黑暗列表的日子里，有很多 for 循环......但我确信在 NumPy 中一定有更好的方法.
更新，选择的答案：
我选择了 hpaulj 的答案，创建了两个坐标数组np.arrange。通过一些工作，我能够满足我在任何角度、任何轴、3D 数组的不对称维度和任何位置返回切片的需要，包括一直环绕以使其具有相同的维度作为轴。
为和制作了两个np.arrange数组。xy
不同的方法，例如np.roll，递增，np.hstack并np.concatenate在np.arrange数组 x 轴数组上完成。y = y[::-1]为备用角度。
if axis is 'z': #i
slice_notation = np.index_exp[x, y, :]
elif axis is 'y': #k
slice_notation = np.index_exp[x, :, y]
else: #j
slice_notation = np.index_exp[:, x, y]
创建切片表达式，然后我使用slice_notation来执行我需要的操作。
其他建议的方法：np.diagonal并且np.eye可能更适合其他人，因为他们可能有与我不同的要求。