Python 多维索引切片后的数组维数

我想使用索引切片沿其两个轴切片多维numpy数组（>2维）。每个原始维度的结束位置有什么规则

---

为了说明我的问题，让我举一个例子。假设我们有一个4D阵列：

import numpy as np

a = np.arange(2*3*4*5).reshape(2,3,4,5)

我将使用numpy.where创建一个索引元组，用于沿轴1和3进行切片：

mask = np.where(np.random.rand(3,5) > 0.5)

这将从我的数组

a

中选择随机切片。假设它返回长度为7的元组。 要保留其余尺寸，我将使用

切片（无）

对象：

b = a[(slice(None), mask[0], slice(None), mask[1])]

这改变了形状：

>>> a.shape
(2, 3, 4, 5)
>>> b.shape
(7, 2, 4)

未触及的轴（即使用

切片（无）

对象进行切片）似乎已被保留，而被切片的轴将被破坏，生成的轴将移动到前面

然而，情况并非总是如此。将遮罩应用于轴1和轴2时：

mask2 = np.where(np.random.rand(3,4) > 0.5)
c = a[(slice(None), mask[0], mask[1], slice(None))]

我观察到以下情况（numpy.where再次返回长度为7的元组）：

由于被切片破坏的轴而产生的轴这次没有移动到前面

我的猜测是，这与切片轴是否相邻有关，但我想知道这种行为是根据什么规则产生的。

您的

其中

遮罩将生成1d

（7，）

形状数组如果应用于2d数组，则条件为真的值。你把它称为“摧毁”一对斧子

在第二种情况下，

7

可置于

2

和

5

之间

但是，第一个是模糊的，因为中间的切片（非邻接）-回落规则是把它放在第一位，然后命令切片。换句话说，它不是尝试在（2,7,4）和（2,4,7）顺序之间进行选择，而是选择（7,2,4）

---

在这种情况下，模糊性是明确的，默认值是合理的。更复杂的是，一个或多个维度被标量索引所消除。

混合切片（基本索引）和掩码（高级索引）时，有一个记录在案的复杂性。可以使用布尔掩码将切片尺寸移动到endAfaik，因为索引不是“切片”，而是高级索引。切片是指选择某种时间范围，比如说

4:7

或

slice（4,7）

。切片应该保留数组的维度，而高级索引很可能会减少这些维度。您可能会发现我的回答很有帮助：。

>>> c.shape
(2, 7, 5)