我想使用索引切片沿其 2 个轴对多维 numpy 数组(>2 维)进行切片。每个原始维度的最终位置有什么规则？
为了说明我的问题，让我举一个例子。假设我们有一个 4D 数组:
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中挑选出随机切片。假设它返回长度为 7 的元组。
为了保留剩余的尺寸，我将使用 slice(None) 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 slice(None) 对象切片)似乎已被保留，而切片轴被破坏，并且生成的轴被移动到前面。
但是，情况并非总是如此。当我将 mask 应用于轴 1 和 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):
>>> c.shape
(2, 7, 5)
被切片破坏的轴所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出现的。
最佳答案
如果应用于 2d 数组，您的 where 掩码将生成 1d (7,) 形状数组，即条件为 true 的值。你将其表述为“摧毁”一对斧头。
在第二种情况下，7 可以放置在 2 和 5 之间。
但在第一个中，由于中间的切片(非相邻)，它是不明确的 - 回退规则是将其放在前面，然后将切片排序在后面。换句话说，它不会尝试在 (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，歧义很明显，并且默认值是合理的。由于一个或多个维度被标量索引消除，情况变得更加复杂。
关于python - 多维索引切片后数组的维度，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53672180/