我有一个 2D python 数组，我想以一种奇怪的方式切片 - 我想要一个恒定宽度的切片，从每一行的不同位置开始。如果可能的话，我想以矢量化的方式做到这一点。
例如，我有一个A=np.array([range(5), range(5)])看起来像的数组
array([[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4]])
我想按如下方式切片：每行 2 个元素，从位置 0 和 3 开始b=np.array([0,3])。起始位置存储在. 因此，所需的输出是：np.array([[0,1],[3,4]])即
array([[0, 1],
[3, 4]])
我试图得到这个结果的显而易见的事情是，A[:,b:b+2]但这不起作用，而且我找不到任何可行的方法。
速度很重要，因为这将在循环中对较大的数组进行操作，而且我不想阻碍代码的其他部分。
是否有一种简单/预先存在的方式在scikit-learn中执行网格搜索,然后自动返回前k个最佳表现模型或自动平均其输出？我打算尝试以这种方式减少过度拟合.我还没有找到与此相关的任何内容.
编辑:为了澄清,我知道sklearn的GridSearch,我正在寻找一个选项来执行网格搜索,然后返回最佳k表现最好的模型或平均值,而不是只返回最好的单一模型.