Python中多维数组使用argsort函数时的索引错误问题

咱们先拆解下你遇到的问题：你原本以为I2是个三维数组，结果numpy悄悄把它变成了一维的object数组，这才导致索引报错。

问题根源 #

你定义I2的时候，放了两个长度不一样的子数组（第一个有10个元素，第二个只有8个）。numpy对规则数组要求很高，当子数组长度不一致时，它没法创建规整的三维数组，只能把I2变成shape=(2,)的一维数组——数组里的每个元素都是独立的二维数组（I2[0]是(10,2)，I2[1]是(8,2)）。

所以当你写I2[0,:, 1]时，相当于给一个一维数组的元素（已经是二维数组了）用了三个索引维度，这不就超出范围了嘛，自然报IndexError。

两种解决方案 #

根据你的实际需求选就行：

方案1：创建规整的三维数组

如果你的两个子数组应该长度相同，那补全第二个子数组的元素，让它和第一个长度一致，这样numpy就会生成(2,10,2)的三维数组，原代码就能正常跑：

import numpy as np
# 补全第二个子数组的元素，这里随便加了两个示例值
I2=np.array([[[0, 1], [0, 3], [1, 2], [1, 4], [2, 5], [3, 4], [3, 6], [4, 7], [5, 4], [6, 7]], 
             [[0, 1], [0, 3], [1, 2], [1, 4], [2, 5], [3, 4], [3, 6], [4, 7], [5, 6], [6, 8]]])
order2 = I2[0,:, 1].argsort()
print("order2 =",[order2])

方案2：保留不同长度的子数组（处理object数组）

如果确实要保留不同长度的子数组，那调整索引方式，直接访问I2[0]这个二维数组再操作：

import numpy as np
# 显式指定dtype=object，避免numpy自动转换时的歧义
I2=np.array([[[0, 1], [0, 3], [1, 2], [1, 4], [2, 5], [3, 4], [3, 6], [4, 7], [5, 4], [6, 7]], 
             [[0, 1], [0, 3], [1, 2], [1, 4], [2, 5], [3, 4], [3, 6], [4, 7]]], dtype=object)
# 先取I2[0]这个二维数组，再取第二列排序
order2 = I2[0][:, 1].argsort()
print("order2 =",[order2])

验证效果 #

两种方案运行后，都能得到和order1类似的排序索引结果，不会再出现索引错误啦。

内容的提问来源于stack exchange，提问作者Wiz123