为什么使用数组作为索引会改变多维 ndarray 的形状？

我有一个 4-D NumPy 数组，轴为 x,y,z,t。我想获取对应于 t=0 的切片并排列 y 轴上的顺序。

我有以下内容

import numpy as np
a = np.arange(120).reshape(4,5,3,2)
b = a[:,[1,2,3,4,0],:,0]
b.shape

我得到 (5, 4, 3) 而不是 (4,5,3)。

相反，当我输入

aa = a[:,:,:,0]
bb = aa[:,[1,2,3,4,0],:]
bb.shape

我得到了预期的 (4,5,3)。有人可以解释为什么第一个版本交换前两个维度吗？

正如 @hpaulj 在评论中提到的，这种行为是因为混合基本切片and高级索引:

a = np.arange(120).reshape(4,5,3,2)
b = a[:,[1,2,3,4,0],:,0]

在上面的代码片段中，发生的情况如下：

• 当我们沿着最后一个维度进行基本切片时，它会触发__getitem__称呼。那么，那个维度就消失了。 （即没有单一维度）

• [1,2,3,4,0]从第二个维度返回 5 个切片。有两种可能将此形状放入返回的数组中：放在第一个位置或最后一个位置。 NumPy 决定将其放在第一维。这就是为什么你得到 5 (5, ...) 在返回的形状元组的第一个位置。如果我没记错的话，Jaime 在一次 PyCon 演讲中解释了这一点。

• 沿着第一维和第三维，因为你使用切片一切:，沿这些尺寸的原始长度被保留。

将所有这些放在一起，NumPy 返回形状元组为：(5, 4, 3)

您可以在以下位置阅读更多相关信息：numpy-3d 数组中的索引歧义 https://stackoverflow.com/questions/48034413/numpy-indexing-ambiguity-in-3d-arrays and arrays.indexing#组合高级和基本索引 https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#combining-advanced-and-basic-indexing