Python numpy：花式索引“；“意外行为”奇特的索引似乎给出的结果是；转置；直觉上的预期

我对花式索引的行为有点困惑，请参见：

>>> t = np.arange(2*2*3).reshape((2, 2, 3))
>>> t
array([[[ 0,  1,  2],
        [ 3,  4,  5]],

       [[ 6,  7,  8],
        [ 9, 10, 11]]])
>>> t[1, :, [1, 2]]
array([[ 7, 10],
       [ 8, 11]])

我以为在使用

t[1，：，[1，2]]

索引后，我会得到数组：

array([[ 7,  8],
       [10, 11]])

但是我得到的是转换姿势，如上图所示

也可以考虑如下：

>>> t[:, :, [1, 2]][1]
array([[ 7,  8],
       [10, 11]])

这并没有遵循我们刚才提到的不直观的行为模式……它的行为“如预期的那样”。为什么?

---

为什么会出现这种行为，如何才能达到预期的行为？

如果在任何先前的轴中存在非切片，行为似乎会发生变化：

>>> import numpy as np
>>> t = np.arange(2*2*3).reshape((2, 2, 3))

>>> t[1:2, :, [1, 2]]   # 1 -> 1:2  (slicing)
array([[[ 7,  8],
        [10, 11]]])

>>> t[1][:, [1, 2]]
array([[ 7,  8],
       [10, 11]])

每

在简单情况下（即一个索引数组 和N-1个切片对象）它完全符合您的期望（将 重复应用基本切片）

在这种情况下，索引数组是[1,2]，切片对象是

1

和

：

（或者更准确地说，

slice（1,2）

，和

slice（None）

）：

因此，结果是切片的串联

In [43]: t[1,:,1]
Out[43]: array([ 7, 10])

In [44]: t[1,:,2]
Out[44]: array([ 8, 11])

还要注意，

t[1，：，[1,2]]

的形状将是（2,2），因为标量为1 删除0轴，且

：

跨越所有轴1（长度为2）和[1,2] 长度为2。因此，当您运行结果的最后一个（即第二个）轴时，您将得到数组

数组（[7,10]）

和

数组（[8,11]）

获得所需结果的最简单方法是使用基本切片

In [45]: t[1, :, 1:3]
Out[45]: 
array([[ 7,  8],
       [10, 11]])

另一种使用“奇特”整数索引的方法是：

In [121]: t[1, [(0,0),(1,1)], [1,2]]
Out[121]: 
array([[ 7,  8],
       [10, 11]])

或（使用广播）

这实际上可能更接近您想要的，因为它可以推广到索引数组是一些任意列表的情况，如

[1,5,9,10]

In [157]: t = np.arange(2*2*11).reshape(2,2,11)

In [158]: t[1, [[0],[1]], [1,5,9,10]]
Out[158]: 
array([[23, 27, 31, 32],
       [34, 38, 42, 43]])

同样的规则也适用于

In [101]: t[:, :, [1, 2]][1]
Out[101]: 
array([[ 7,  8],
       [10, 11]])

首先请注意，

t[：，：，[1,2]]

的形状将是（2,2,2）。结果将是基本切片的串联

In [102]: t[:, :, 1]
Out[102]: 
array([[ 1,  4],
       [ 7, 10]])

In [103]: t[:, :, 2]
Out[103]: 
array([[ 2,  5],
       [ 8, 11]])

因此，当您运行结果的最后一个（即第三个）轴时，您将得到数组

数组（[[1,4]，[7,10]]）

和

数组（[[2,5]，[8,11]]）

---

这不是花哨的索引，这是。尝试

t[1，：，1:3]

@AshwiniChaudhary实际上，这是一种奇特的索引，因为在我的应用程序中，数组

[1,2]

实际上是

[1,5,9,10]

，正如您所看到的，它不是顺序的。我已经在“最小工作示例”中降低了问题的复杂性（因此可以用正常的顺序索引表示法来回答），但这并没有消除问题是使用花式索引的事实。@user89，对不起，我不确定。我猜

t[1，：，（1，2）]

的解释方式与

t[（1，1）的解释方式相同，：，（1，2）]

。也就是说，索引

t[1，：，1]

然后

t[1，：，2]

并沿第一个轴连接它们。使用索引数组时，这种行为更直观（即，

t[arr]

其中arr[0]是轴0索引，arr[1]是轴1索引，依此类推）。

In [101]: t[:, :, [1, 2]][1]
Out[101]: 
array([[ 7,  8],
       [10, 11]])

In [102]: t[:, :, 1]
Out[102]: 
array([[ 1,  4],
       [ 7, 10]])

In [103]: t[:, :, 2]
Out[103]: 
array([[ 2,  5],
       [ 8, 11]])

In [107]: np.allclose(t[:, :, [1,2]], np.dstack([np.array([[ 1,  4], [ 7, 10]]), np.array([[ 2,  5], [ 8, 11]])]))
Out[107]: True