关于NumPy数组索引中布尔标量行为的技术问询

你观测到的x[True]/x[False]以及x[True, True]的索引行为，其实是NumPy对标量布尔值索引的特殊处理逻辑，官方文档未明确提及但属于内部既定规则，下面给你拆解清楚：

核心处理逻辑 #

NumPy里的标量布尔索引既不属于常规布尔索引（要求布尔数组与原数组维度匹配），也不是将布尔值转为整数（True=1、False=0）的位置索引，而是把它们视作长度为1或0的虚拟一维数组，触发维度插入的特殊逻辑：

• 单个标量布尔：直接在索引位置插入新维度，True对应维度大小1，False对应维度大小0。比如一维数组x = np.array([1,2,3])，x[True]的形状为(1,3)，x[False]的形状为(0,3)，效果分别等价于np.expand_dims(x, axis=0)和插入一个大小为0的新轴。
• 多个连续标量布尔：像x[True, True]这类写法，NumPy不会为每个True单独插入维度，而是将其合并为一次维度插入操作，因此只会多出一个大小为1的新轴。这是因为解析索引时，连续的标量布尔会被判定为同一个维度扩展请求，而非多次独立的索引操作。

设计合理性说明 #

这种特殊处理的设计逻辑是站得住脚的：

1. 提供简洁的维度扩展语法：相比np.expand_dims(x, axis=0)或x[np.newaxis]，标量布尔索引的写法更直观省事，属于语法糖性质的实用扩展。
2. 避免索引歧义：如果将标量布尔视为整数索引，x[True]会取x[1]，极易引发意外；如果套用常规布尔索引规则，又不符合“布尔数组维度需与原数组匹配”的要求，因此单独设计这套逻辑能避免两种歧义。
3. 精简数组维度：连续标量布尔的合并处理，能避免生成不必要的冗余维度，契合NumPy尽量保持数组结构简洁的设计思路。

内容的提问来源于stack exchange，提问作者Sasha