np.ndarray索引场景中，tris = vertices[faces]的实际作用是什么？

先明确各变量的定义：

• vertices是形状为(A,3)的NumPy数组，每个元素对应一个3D顶点的坐标（比如[x,y,z]），A代表模型的顶点总数。
• faces是形状为(B,3)的NumPy数组，每个元素是三个顶点的索引值，用来定义一个三角形面，B代表模型中三角形面的总数（题目标注B>A，说明多个面会复用同一个顶点）。

tris = vertices[faces]这个索引操作的实际作用是：

• 根据faces里存储的顶点索引，从vertices中批量取出对应顶点的坐标，重新组织成形状为(B,3,3)的数组。
• 新数组tris的维度含义清晰：第一维对应B个三角形面，第二维对应每个面的3个顶点，第三维对应每个顶点的3个坐标分量。

举个直观的小例子：
假设vertices有2个顶点：[[0,0,0], [1,1,1]]，faces有3个面：[[0,1,0], [1,0,1], [0,0,1]]，执行该操作后tris会变成：

[
 [[0,0,0], [1,1,1], [0,0,0]],
 [[1,1,1], [0,0,0], [1,1,1]],
 [[0,0,0], [0,0,0], [1,1,1]]
]

这样后续计算法线时，就能直接用tris里每个面的完整顶点坐标来计算三角形法向量，无需再单独做索引操作，大幅简化了批量处理的代码逻辑。

内容的提问来源于stack exchange，提问作者K. Zhu