Numpy布尔索引输出逻辑解惑：为何a[b1,b2]结果非预期二维数组？

你遇到的是Numpy中布尔数组配对索引的特性，和你预期的“行筛选+列筛选”逻辑不一样，具体原理如下：

1. 布尔数组的索引转换 #

当你用a[b1, b2]时，Numpy会先把两个布尔数组转换成对应的位置索引数组：

• b1 = [False, True, True] → 对应行的位置索引是[1, 2]（原数组的第2、3行）
• b2 = [True, False, True, False] → 对应列的位置索引是[0, 2]（原数组的第1、3列）

2. 配对索引的逻辑 #

Numpy此时会把两组索引一一配对，取每组配对对应的元素：

• 第一对：行索引1 + 列索引0 → a[1, 0] = 4
• 第二对：行索引2 + 列索引2 → a[2, 2] = 10
  所以最终输出是这两个元素组成的一维数组array([4, 10])。

3. 如何实现你预期的二维输出 #

如果想要筛选b1对应的行，再在这些行里筛选b2对应的列，需要让行和列的索引做笛卡尔积组合，有两种常用方式：

方式1：分步索引 #

先筛选行，再对筛选后的结果筛选列：

>>> a[b1][:, b2]
array([[ 4,  6],
       [ 8, 10]])

方式2：用np.ix_()转换索引 #

np.ix_()会把一维索引数组转换成可广播的形式，实现笛卡尔积索引：

>>> a[np.ix_(b1, b2)]
array([[ 4,  6],
       [ 8, 10]])

内容的提问来源于stack exchange，提问作者Z.Lun