为何Numpy切片与索引两种写法的结果存在差异？

我尝试用两种方法从3x3x3的NumPy数组中提取部分数据，但结果不一样，代码如下：

import numpy as np

# Create a 3x3x3 cube
cubote = np.arange(27).reshape(3,3,3)

# Compare the results
result1 = cubote[0:2,0:2,0:2]
result2 = cubote[0:2][0:2][0:2]

print(result1)
print("Shape of result1:", result1.shape)

print(result2)
print("Shape of result2:", result2.shape)

输出结果：
result1:

[[[ 0  1]
  [ 3  4]]

 [[ 9 10]
  [12 13]]]
Shape of result1: (2, 2, 2)

result2:

[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]]

 [[ 9 10 11]
  [12 13 14]
  [15 16 17]]]
Shape of result2: (2, 3, 3)

我原本预期两种方法结果一致，result1符合预期，但result2不是我想要的，请问这是为什么？

原因解析 #

这两种索引方式的本质逻辑完全不同：

• 逗号分隔的多维切片（cubote[0:2,0:2,0:2]）：
  这种写法是一次性在所有维度上指定切片范围，分别对数组的第一、第二、第三个维度取前2个元素，相当于从3x3x3的立方体里精准切出一个2x2x2的子立方体，这就是你预期的结果。

• 链式索引（cubote[0:2][0:2][0:2]）：
  这种写法是三次独立的顺序索引操作，每一次[]都是对当前得到的数组的第一个维度进行切片：

  1. 第一次cubote[0:2]：从原数组的第一个维度（最外层）取前2个元素，得到形状为(2,3,3)的数组（包含两个完整的3x3二维数组）；
  2. 第二次[0:2]：对这个(2,3,3)的数组，再次取其第一个维度的前2个元素——但这个数组的第一个维度本来就只有2个元素，所以结果还是(2,3,3)；
  3. 第三次[0:2]：重复第二次的操作，结果依然是(2,3,3)的数组，自然和result1的形状、内容都不一样。

简单来说，链式索引每次只操作当前数组的第一个维度，而逗号分隔的切片可以同时操作多个维度，这就是两者结果差异的核心原因。

内容的提问来源于stack exchange，提问作者Hamilton Espitia