Numpy中list与ndarray作为fancy indexing参数结果差异原因问询

索引解析规则的本质差异 #

Numpy对Python原生列表和ndarray作为索引对象时，采用完全不同的解析逻辑，这是报错的核心原因：

1. 原生嵌套列表作为索引的解析逻辑 #

当你向[]运算符传入Python原生列表时，Numpy会把列表的每一层嵌套对应数组的一个维度索引：

• 你使用的数组a是1维结构，仅支持接收1个维度的索引参数
• 你传入的b = [[3,1],[1,2]]是2层嵌套列表，Numpy会判定你要分别给数组的第1维、第2维传递索引，而a不存在第二维，因此直接抛出too many indices for array的报错。

举个反例方便理解：如果a是2维数组，a = np.arange(12).reshape(3,4)，此时传入a[[0,2],[1,3]]是合法的，2层列表刚好匹配2维数组的行、列索引需求，会返回[a[0,1], a[2,3]]的结果。
补充：如果是一维原生列表作为索引，比如a[[1,3]]，不会触发报错，因为只有1层嵌套，刚好匹配1维数组的索引要求，会被识别为单维度的fancy索引

2. ndarray作为索引的解析逻辑 #

当你把b转换为ndarray后，Numpy会把整个ndarray当成单个维度的索引集合，不管这个ndarray本身是多少维度，都会将其内部的每个元素作为当前维度的索引取值，最终返回和索引ndarray形状完全一致的结果：

• 你转换后的b是shape为(2,2)的ndarray，作为1维数组a的索引时，Numpy会依次取出b中的每个整数作为位置索引去a中取值，最后把结果拼接为(2,2)的数组，因此可以正常运行得到你看到的结果。

内容的提问来源于stack exchange，提问作者liqiochi