你的建议相当快，但清晰的表格可以提高易读性：

for i in range(c.shape[-1]):
    print c[:,:,i]

或者，更好（更快、更一般和更明确）：

for i in range(c.shape[-1]):
    print c[...,i]

然而，上面的第一种方法似乎比swapaxes()方法慢大约两倍：

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for r in c.swapaxes(2,0).swapaxes(1,2): u = r'
100000 loops, best of 3: 3.69 usec per loop

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for i in range(c.shape[-1]): u = c[:,:,i]'
100000 loops, best of 3: 6.08 usec per loop

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for r in numpy.rollaxis(c, 2): u = r'
100000 loops, best of 3: 6.46 usec per loop

我猜想这是因为swapaxes()不复制任何数据，而且c[:,:,i]的处理可能通过通用代码（处理:被更复杂的切片替换的情况）完成。
然而，注意，更显式的第二解c[...,i]既相当易读又相当快：

python -m timeit -s 'import numpy; c = numpy.arange(24).reshape(2,3,4)' \
    'for i in range(c.shape[-1]): u = c[...,i]'
100000 loops, best of 3: 4.74 usec per loop

我会使用以下代码：

c = numpy.arange(2 * 3 * 4)
c.shape = (2, 3, 4)

for r in numpy.rollaxis(c, 2):
    print(r)

函数rolleresis创建了一个新的数组视图，在这个例子中，它将轴2移到前面，相当于操作c.transpose(2, 0, 1)。

因此，我们可以很容易地迭代第一个维度，如前所述，对任意维度进行迭代的另一种方法是使用numpy.roltheresis（）将给定维度置为第一个维度（默认行为），然后使用返回的数组（这是一个视图，因此速度很快）作为迭代器。

In [1]: array = numpy.arange(24).reshape(2,3,4)

In [2]: for array_slice in np.rollaxis(array, 1):
   ....:     print array_slice.shape
   ....:
(2, 4)
(2, 4)
(2, 4)

编辑：我会评论说，我提交了一个公关麻木解决这个问题在这里：https://github.com/numpy/numpy/pull/3262。大家一致认为这不足以增加 numpy 代码库。我认为使用np.roltheresis是最好的方法，如果你想要一个interator，把它 Package 在iter（）中。

我猜没有函数。当我写我的函数时，我最终采用了EOL也建议的迭代。对于未来的读者，这里是：

def iterdim(a, axis=0) :
  a = numpy.asarray(a);
  leading_indices = (slice(None),)*axis
  for i in xrange(a.shape[axis]) :
    yield a[leading_indices+(i,)]

可以使用numpy.shape获取维度，然后使用range迭代这些维度。

n0, n1, n2 = numpy.shape(c)

for r in range(n0):
    print(c[r,:,:])

以下内容正是您正在寻找的：

for y in np.moveaxis(x, axis, 0):