Numpy索引维度顺序不符合预期的问题咨询

先看代码示例的输出：

>>> np.arange(24).reshape(2,3,4)[0,:,[2,3]].shape
(2,3)
>>> np.arange(24).reshape(2,3,4)[0,[1,2],:].shape
(2,4)

问题 #

能理解第二个输出结果，但为何第一个结果不是(3,2)？

第一种情况里，前两个索引0和:属于基础索引，最后一个索引[2,3]属于高级索引。按道理先处理基础索引生成形状为(3,4)的视图，再处理高级索引应该得到(3,2)的副本，但实际结果却把单个整数索引0当作了高级索引组的一部分，这让人困惑。

原因解析 #

问题出在Numpy混合索引的分组规则上：

• 当索引中同时存在标量索引（比如这里的0）、切片（:）和高级索引（[2,3]）时，Numpy会把标量索引和高级索引归为同一组，切片单独作为另一组。
• 第一个例子的索引分组为：(0, [2,3]) 是一组，(:) 是另一组。高级索引组的形状是(2,)（因为[2,3]长度为2），切片组的形状是(3,)，最终结果的形状是高级索引组形状 + 切片组形状，也就是(2,3)。
• 第二个例子的索引分组为：(0, [1,2]) 是一组，(:) 是另一组。高级索引组形状是(2,)，切片组形状是(4,)，所以结果是(2,4)，和你的理解一致。

只有当高级索引和基础索引的维度完全连续时，才会先处理全部基础索引再应用高级索引。比如如果是[:, :, [2,3]]，前两个切片是连续的基础索引，处理后得到(2,3,4)，再取最后两列就会得到(2,3,2)，这时候形状是基础索引形状加上高级索引长度。

内容的提问来源于stack exchange，提问作者Brainor