理解numpy按布尔向量取反进行子集化时的异常行为

先展示正常逻辑的测试用例：

import numpy as np

a = np.random.normal(size=(10000, 12, 1000))
p = 0.5
b = np.random.choice(a=[False, True], size=(a.shape[0], a.shape[1]), p=[p, 1-p])

a[b].shape
# 输出：(60037, 1000)

a[~b].shape
# 输出：(59963, 1000)

以上结果符合预期，a[b]与a[~b]的第一维度数量之和等于10000*12=120000。

但在实际数据集里出现了异常：

• a是形状为(104529, 12, 11)的3维数组
• b是形状为(104529, 12)的2维布尔矩阵

此时：

• a[b].shape得到合理结果(85472, 11)
• a[~b].shape却得到(1610000, 11)的2维数组，第一维度行数约为预期值的12倍，完全不符合正常逻辑。

异常结果示意图：

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