大家应该都知道，numpy库中的ndarray可以用所谓的三帽号规则进行切片操作（详情可见我之前写的博文，链接 https://blog.csdn.net/wenhao_ir/article/details/123034635 ），但是当对某个维度作离散选择时怎么操作呢？比如在二维数组中，我想在行维度上只选择第3行和第4行怎么办？这个时候可以用Python中的元组进行选择操作。所谓Python中的元组简单理解就是以小括号括起来的序列…什么？什么叫序列？好吧，我懒得打字，直接上截图吧！
关于列表的相关概念见下面的截图：
关于元组的介绍见下面的截图：
说那么多不如举两个例子…
比如在二维数组A中，我只想取A的第3行和第4行赋给B，该怎么操作呢？代码如下：
import numpy as np
A = np.array([[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]], dtype='int')
B = A[(2, 4), :]
设断点，A和B里的数据情况如下：
可见，实现了把A的第2行和第4行选取了出来赋给了B。
有时候，我们还想把A在行的维度上进行调换，比如我把第0行第4行进行调换，怎么操作呢？可以像下面这样操作。
import numpy as np
A = np.array([[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]], dtype='int')
C = A[(4, 1, 2, 3, 0), :]
运行结果如下，可见实现了调换：
同样可在二维矩阵的列维度上进行选取和调序操作，比如只选取第1列和第3列就可以写下面的代码：
A = np.array([[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]], dtype='int')
B = A[:, (1, 3)]
而想把第0列和第4列进行调换就可以写下面的代码：
A = np.array([[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]], dtype='int')
C = A[:, (4, 1, 2, 3, 0)]
当维度大于2时，同样的操作，做图像处理的同学都知道，彩色图像有三个通道，比如BGR图像，就有B通道、G通道和R通道，有时候我需要对这些通道做一个调换，怎么办呢？比如我要把BGR图像转化成RGB图像，下面这条语句就可以搞定了：
img2 = img[:, :, (2, 1, 0)]
这里要注意，各个逗号之前的参数的意义。想像一幅图像有n行m列，即有n×m个像素点，每个像素点由k个数字组成，那么第一个逗号前的参数表示对这n行的选取，第二个逗号之前表示对这m列的选取，第二个逗号之后表示对表示每个像素点的k个数字的选取。这一点非常重要，如果不理解这个就不知道为什么"(2,1,0)"是写在第二个逗号之后。