如何理解NumPy中arr[ind1,ind2]的多维索引逻辑？

先看原数组的实际内容，方便后续对照：

import numpy as np
arr = np.arange(9, dtype = "float").reshape(3,3)
# 输出arr：
# [[0. 1. 2.]
#  [3. 4. 5.]
#  [6. 7. 8.]]

核心逻辑：逐位置配对的行+列索引 #

arr[ind1, ind2]属于NumPy的整数数组索引，规则很直接：

• ind1里的每个元素对应目标元素的行索引，ind2对应位置的元素对应目标元素的列索引
• 两个索引数组的形状必须完全一致（这里都是2×2），最终输出的形状和索引数组的形状完全相同

我们逐个位置拆解取值逻辑：

• 第0行第0列：ind1[0,0]=1（行1），ind2[0,0]=0（列0）→ 取arr[1,0] = 3.0
• 第0行第1列：ind1[0,1]=2（行2），ind2[0,1]=2（列2）→ 取arr[2,2] = 8.0
• 第1行第0列：ind1[1,0]=0（行0），ind2[1,0]=1（列1）→ 取arr[0,1] = 1.0
• 第1行第1列：ind1[1,1]=1（行1），ind2[1,1]=2（列2）→ 取arr[1,2] = 5.0

把这些结果按索引数组的2×2形状排列，就得到arr[ind1, ind2]的输出：

[[3. 8.]
 [1. 5.]]

为什么输出是2×2矩阵？ #

因为ind1和ind2都是2×2的二维数组，NumPy会严格按照索引数组的形状生成结果——每个索引位置对应一个取值，最终结果的维度和索引数组完全一致。

和单索引的区别 #

你已经理解的arr[ind1]是取整行：比如ind1[0,0]=1会取第1行的所有元素[3. 4. 5.]，最终输出是3×3的数组；而arr[ind1, ind2]是精准定位到单个元素，通过行+列的配对组合，直接提取对应位置的标量，再按索引形状重组。

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