NumPy索引时轴为何转置？不同索引方式下轴顺序翻转原因求解

这个差异本质是NumPy中基本索引和高级索引的轴排列规则不同导致的，具体拆解如下： #

1. 切片索引的情况（对应M[0,:,5:10].shape为(500,5)） #

切片、整数标量都属于基本索引范畴，遵循的规则很简单：

• 整数标量索引会直接删除对应维度：这里第一个位置的0是整数索引，直接把形状为1的第一个维度删掉
• 剩下的维度严格按照原有顺序保留：第二个位置的切片:保留原形状500，第三个位置的切片5:10保留选中的5个元素，所以最终形状就是(500, 5)，轴顺序和原数组一致。

2. 整数数组索引的情况（对应M[0,:,np.arange(5,10)].shape为(5,500)） #

使用ndarray作为索引属于高级索引范畴，当索引中同时存在切片和高级索引数组时，NumPy会遵循如下轴排列规则：

所有高级索引产生的维度会被统一移动到最前面，切片对应的维度按原有顺序跟在高级索引维度之后。
在这个例子里：

• 第一个位置的0还是整数标量，删除第一个维度
• 第二个位置的:是切片，对应维度长度500
• 第三个位置的np.arange(5,10)是长度为5的高级索引数组，产生的长度为5的维度会被放到切片维度的前面
  所以最终轴顺序就变成了(高级索引维度长度, 切片维度长度)也就是(5, 500)。

补充：如果要保持和切片一致的轴顺序怎么办？ #

你可以把索引操作拆成两步，避免切片和高级索引混用：

# 先取前两个维度，再用高级索引取最后一个维度
M[0,:][:, np.arange(5,10)].shape # 输出 (500,5)

或者直接用np.take方法指定轴：

np.take(M[0,:], np.arange(5,10), axis=1).shape # 输出 (500,5)

内容的提问来源于stack exchange，提问作者Mastiff