为何使用布尔掩码索引时NumPy在部分场景会转置结果？

先看正常运行的代码结果：

import numpy as np

# 第一个示例
x = np.zeros((2, 2, 3))
mask = np.ones(3, dtype=bool)
print(x[:,:,:].shape)  # 输出 (2, 2, 3)
print(x[:,:,mask].shape)  # 输出 (2, 2, 3)

# 第二个示例
x = np.zeros((2, 2, 3))
mask = np.ones(3, dtype=bool)
print(x[0,:,:].shape)  # 输出 (2, 3)
print(x[0,:,mask].shape)  # 输出 (2, 3)

你提到的“结果被转置”（得到(3,2)）大概率是对轴顺序的误解，或者代码存在笔误，下面详细拆解NumPy的索引逻辑：

核心索引规则 #

NumPy索引分两类：

• 基本索引：切片（:）、标量取值，返回原数组视图，严格保留维度顺序。
• 高级索引：布尔掩码、整数数组，返回原数组副本，仅当高级索引与基本索引的维度不连续时，才会调整维度顺序。

你的示例拆解 #

第一个示例：x[:,:,mask] #

这里用了两个切片（对应轴0、轴1）和一个布尔掩码（对应轴2），属于连续的基本+高级索引，维度顺序完全保留，结果形状与原数组一致。

第二个示例：x[0,:,mask] #

• x[0,:,:]用标量索引轴0，将原三维数组降维为二维数组(2,3)（对应原数组的轴1和轴2）。
• [:,mask]对这个二维数组的轴1（长度3）进行布尔索引，掩码全为True时会保留该轴所有元素，结果形状仍为(2,3)，不存在转置。

为什么会产生“转置”错觉？ #

你可能混淆了数组的轴顺序：原数组x.shape=(2,2,3)中，轴0是第一个维度（长度2），轴1是第二个维度（长度2），轴2是第三个维度（长度3）。x[0,:,:]取轴0的第一个元素后，剩下的是轴1（长度2）和轴2（长度3），所以形状是(2,3)，而非你预期的(3,2)——这种预期偏差会让你误以为结果被转置。

真正会改变维度顺序的场景 #

只有当高级索引与基本索引的位置完全不连续时，才会调整维度顺序。比如在四维数组中，同时用高级索引取首尾两个轴、基本索引取中间两个轴，此时高级索引的维度会被合并到结果的前面，但这种场景在你的示例中并不存在。

内容的提问来源于stack exchange，提问作者Tor