numpy使用permutation索引取值时shape异常问题咨询

问题结论 #

这是NumPy的预期行为，由高级索引与基本索引混合使用时的维度排序规则导致，你使用的1.19.x属于较旧的正式版本，对这类混合索引的维度处理遵循旧版规则。

原因说明 #

你用到的索引a[:,shuffle_order,:,0]属于「基本索引（冒号切片、固定整数）+ 高级索引（数组shuffle_order）」的混合索引场景：

• 原数组a的维度顺序为：轴0（size=12）、轴1（size=5）、轴2（size=2）、轴3（size=2）、轴4（size=3）
• 你给出的索引依次作用于前4个轴：轴0用冒号全取、轴1用shuffle_order数组索引、轴2用冒号全取、轴3用整数0取固定位置（该维度直接消失）、轴4默认全取
• 旧版NumPy（1.19.x及更早）的混合索引规则：当高级索引和非连续的基本索引组合使用时，会将高级索引对应的维度挪到结果数组的最前面，剩余基本索引对应的维度按原有顺序排在后面，因此就出现了你看到的(5, 12, 2, 3)的结果。1.20及之后的新版NumPy优化了单高级索引场景的处理，你当前的写法在新版中会直接返回你预期的(12,5,2,3)结果。

修复方案 #

如果要得到你预期的shape，推荐两种稳妥写法，不受版本规则影响：

1. 用np.take显式指定重排的轴，维度顺序完全和原数组保持一致：

b = np.take(a, shuffle_order, axis=1)[:, :, :, 0]

2. 索引后手动调整维度顺序：

b = a[:,shuffle_order,:,0].transpose(1, 0, 2, 3)

内容的提问来源于stack exchange，提问作者user3235916