Numpy高维数组用列表与numpy数组高级索引结果差异原因

两者返回结果不同，核心是NumPy对两类索引输入的解析逻辑完全不同：

• 传入嵌套Python列表做索引时，NumPy会做兼容解析，将嵌套结构识别为对应不同轴的坐标索引序列。你定义的indices = [[0, 1], [1, 0], [1, 1]]包含3个子列表，和目标数组a的3个维度一一对应，分别匹配第0、1、2轴的取数下标，等价于执行a[[0,1], [1,0], [1,1]]，最终取到a[0,1,1]=2、a[1,0,1]=1，正好是预期结果。
• 传入NumPy数组做索引时，数组本身是独立的合法索引对象，NumPy默认不会自动拆分它的维度去匹配多个轴，只会把它当作第0轴的高级索引源处理。你的indices_arr是shape为(3,2)的二维数组，所有元素值都是0或1（正好是a第0轴仅有的两个合法下标），NumPy会按索引数组的每个元素值取第0轴对应的二维子块，再按索引数组的形状拼接，最终得到shape为(3,2,2,2)的四维结果，和预期完全不符。

正确实现方式 #

如果要用NumPy数组实现逐点坐标取数，需要手动把索引数组拆为对应各轴的形式，最简便的写法是将索引数组转置后转为元组传入：

import numpy as np

a = np.array([
  [
    [1, 3],
    [0, 2]
  ], 
  [
    [2, 1],
    [4, 2]
  ]
], dtype=np.int32)

indices_arr = np.array([[0, 1], [1, 0], [1, 1]], dtype=np.int32)
# 转置后每一列对应一个轴的坐标，转元组后会被识别为分轴索引
print(a[tuple(indices_arr.T)])
# 输出: array([2, 1], dtype=int32)

核心规则：NumPy仅在索引位置传入元组时，才会将元组的每个元素匹配到对应维度的索引；传入单个Python列表时会触发兼容逻辑，按分轴坐标解析；传入单个NumPy数组时，会默认作为第0轴的高级索引处理。

内容的提问来源于stack exchange，提问作者Max