如何使用np.take索引多维numpy数组 按指定行索引获取目标结果

我有一个shape为(n,x,y)的多维数组，本次示例使用的数组如下：

import numpy as np
A = np.array([[[ 0,  1,  2],
            [ 3,  4,  5],
            [ 6,  7,  8],
            [ 9, 10, 11]],

           [[12, 13, 14],
            [15, 16, 17],
            [18, 19, 20],
            [21, 22, 23]],

           [[24, 25, 26],
            [27, 28, 29],
            [30, 31, 32],
            [33, 34, 35]]])

另有一个存储索引值的多维数组Row_values，shape为(z,2)，里面的值对应要从原数组A中提取的行索引：

Row_values = np.array([[0,1],
                    [0,2],
                    [1,2],
                    [1,3]])

我需要将Row_values中的所有索引值分别应用到A的3个子数组上，最终得到shape为(12,2,3)的结果数组，预期结果如下：

Result = np.array([[[0,1,2],
            [3,4,5]],
           [[0,1,2],
            [6,7,8]],
           [[3,4,5],
            [6,7,8]],
           [[3,4,5],
            [9,10,11]],
           [[12,13,14],
            [15,16,17]],
           [[12,13,14],
            [18,19,20]],
           [[15,16,17],
            [18,19,20]],
           [[15,16,17],
            [21,22,23]],
           [[24,25,26],
            [27,28,29]],
           [[24,25,26],
            [30,31,32]],
           [[27,28,29],
            [30,31,32]],
           [[27,28,29],
            [33,34,35]]])

我尝试用np.take()实现该需求但没有成功，请问有没有其他更简便的numpy函数可以实现，或者要怎么正确使用np.take()达到上述效果？

以下两种方法都可以直接得到符合要求的结果：

方法1：高级索引（最直观） #

直接构造对应维度的索引数组即可取值，不需要额外函数：

# 构造第一维度索引：A的每个子数组对应4组Row_values，所以每个索引重复4次
first_idx = np.repeat(np.arange(A.shape[0]), len(Row_values))
# 构造第二维度索引：把Row_values复制3份，对应A的3个子数组
second_idx = np.tile(Row_values, (A.shape[0], 1))
# 直接索引取值，结果shape默认就是(12,2,3)
result = A[first_idx, second_idx]

方法2：正确使用np.take实现 #

你之前调用np.take失败大概率是缺少维度调整步骤，正确用法如下：

# axis=1指定沿着A的第二个维度（行维度）取索引，得到的临时结果shape为(3,4,2,3)
temp = np.take(A, Row_values, axis=1)
# 把前两个维度合并，就得到目标shape(12,2,3)
result = temp.reshape(-1, 2, A.shape[-1])

内容的提问来源于stack exchange，提问作者E. hendrix