NumPy使用np.ix_()高级索引时返回数组形状不符合预期

你遇到的维度重排问题，根源是NumPy混合高级索引与基础索引的固有规则，和np.ix_()的使用逻辑无关。

NumPy将索引分为两类：

• 高级索引：整数列表/整数数组，索引结果会生成新的维度
• 基础索引：整数标量（会消去对应维度）、slice切片、...省略号，不会触发维度重排的特殊逻辑

当两类索引同时出现在索引元组中时，NumPy会强制把所有高级索引对应的结果维度排在最前面，高级索引之间按原数组的维度顺序排列；所有基础索引（slice类）对应的维度按原数组顺序，跟在高级索引维度之后。

你之前的测试场景没有暴露问题，是因为所有非整数标量的基础索引（slice）都位于高级索引的后方，高级索引本身按原维度顺序排列，最终输出的维度顺序刚好和预期一致。比如第一个测试用例：

index_vector = [5, [1, 2], 1, 1, 1, [0, 3, 7], slice(0, 9, None)]

其中高级索引在原数组的第1、5位，唯一的slice在第6位（所有高级索引之后），因此结果维度先排两个高级索引的长度2、3，再排slice的长度9，得到(2,3,9)，和预期一致。

你给出的异常用例中，索引分布如下：

按照NumPy的混合索引规则，结果会先排两个高级索引的维度（长度2、4），再按原顺序排所有slice对应的维度（6、2、2、2），最终得到形状(2,4,6,2,2,2)，和你实际运行结果完全吻合。

np.ix_()本身的作用是正确的：它将传入的整数列表转换为可广播的笛卡尔积索引结构，保证选取出的是交叉组合的所有值，这也是你观察到元素选取正确的原因，问题仅出在维度排列顺序上。

你只需要在索引完成后，按照原维度的预期顺序，对结果数组做一次轴转置即可，修正后的函数参考：

import numpy as np

def slice_table(table, index_vector):
    to_index_product = []
    array_indices = []
    axis_map = []  # 按原维度顺序，记录每个保留维度在原始索引结果中的轴位置
    adv_axis_count = 0
    basic_axis_count = 0

    for i, idx in enumerate(index_vector):
        if isinstance(idx, list):
            to_index_product.append(idx)
            array_indices.append(i)
            axis_map.append(adv_axis_count)
            adv_axis_count += 1
        elif isinstance(idx, slice):
            axis_map.append(adv_axis_count + basic_axis_count)
            basic_axis_count += 1
        # 整数索引直接消去维度，不做记录

    index_product = np.ix_(*to_index_product)
    for i, multiple in enumerate(index_product):
        index_vector[array_indices[i]] = multiple

    sliced_table = table[tuple(index_vector)]
    return sliced_table.transpose(axis_map)

修复后再运行异常测试用例，返回形状即为预期的(6, 2, 2, 2, 2, 4)，原有正常测试用例的结果不会受到影响——当所有高级索引都位于slice之前时，axis_map是自然递增序列，转置操作不会改变数组形状和顺序。

内容的提问来源于stack exchange，提问作者Oleg Shevchenko