Python numpy数组索引：列表索引和np.array索引给出不同的结果

我正在尝试使用list和

np.array

索引为np.array编制索引。但它们给出了不同的结果

下面是一个例子：

import numpy as np 
x = np.arange(10)
idx = [[0, 1], [1, 2]]
x[np.array(idx)]  # returns array([[0, 1], [1, 2]])

但直接应用列表会产生错误

x[idx]  # raises IndexError: too many indices for array

我希望上面的返回结果与使用

np.array

index相同。 你知道为什么吗

---

我使用的是

Python3.5

和

numpy 1.13.1

如果它是一个数组，它被解释为包含索引的最终数组的形状-但是如果它是一个列表，它是沿着“维度”（多维数组索引）的索引

因此，第一个示例（使用

数组

）相当于：

[[x[0], x[1],
 [x[1], x[2]]

但第二个示例（

列表

）被解释为：

[x[0, 1], x[1, 2]]

但是

x[0，1]

给出了一个

索引器错误：数组的索引太多，因为
x
只有一个维度

这是因为
list
s被解释为一个元组，这与“分别”传递它们是一样的：

x[[0,1]，[1,2]]
^^^^^^-----第二维度的指数
^^^^^^-------------第一维指数
从文档：

ndarrays可以使用标准Python
x[obj]
语法编制索引，其中
x
是数组，
obj
是选择



当obj是切片对象（由
start:stop:step
括号内的符号）、整数或元组
对象和整数的切片<代码>省略号

和

新建轴

对象可以是 也点缀着这些。为了保持落后, 与数字中的常见用法兼容，还可以使用基本切片 如果选择对象是任何非ndarray序列（例如 一个

列表

），包含

切片

对象、

省略号

对象或

新轴

对象，但不适用于整数数组或其他嵌入序列

---

列表被视为元组，但问题中的两个示例都不会触发基本的切片。数组触发高级索引，列表触发不同的高级索引，原因文档没有充分解释。在numpy 1.15中，第二种情况将发出警告，要求您澄清是指

x[tuple（idx）]

还是

x[np.array（idx）]

x[[0, 1], [1, 2]] ^^^^^^----- indices for the second dimension ^^^^^^------------- indices for the first dimension