高维数组使用lexsort进行索引排序的问题求助

我一直没法让高维数组配合lexsort的索引正常工作。我有一个形状为(N, 2, 3)的ndarray lines，可以理解为N个三维坐标点对（线段的起点和终点），其中存在需要去除的重复点对。

创建测试数据的代码如下：

import numpy as np

points = np.array([[1,1,0],[-1,1,0],[-1,-1,0],[1,-1,0]])
lines = np.dstack([points, np.roll(points, shift=1, axis=0)])  # 创建点对/线段
lines = np.vstack([lines, lines[..., ::-1]])  # 添加反向的重复点对
lines = lines.transpose(0,2,1)  # 将形状从(N,3,2)转为(N,2,3)

由于点对(v1, v2)与(v2, v1)属于重复项，我用lexsort对每个点对里的两个向量进行排序：

idx = np.lexsort((lines[..., 0], lines[..., 1], lines[..., 2]))

得到的idx形状为(N, 2)，代表每个点对沿轴1的排序顺序：

array([[0, 1],
       [0, 1],
       [1, 0],
       [1, 0],
       [1, 0],
       [1, 0],
       [0, 1],
       [0, 1]])

但直接使用lines[idx]会得到形状为(N, 2, 2, 3)的结果，尝试过各种newaxis填充、轴重排操作，结果维度反而变得更多；用lines[:, idx]得到的是(N, N, 2, 3)，都不符合预期。

查numpy官方文档后，我找到了正确的解决方案：

idx_n = np.arange(len(lines))[:, np.newaxis]
lines[idx_n, idx]

这是因为混合高级索引和简单索引时，lines[:, idx]无法按预期完成广播。但这真的是最简洁的实现方式吗？

内容的提问来源于stack exchange，提问作者mueslo