如何理解以下多维数组的奇特索引行为？

我们注意到，对于多维数组来说，花式索引和切片的混合使用非常令人困惑且没有记录，例如：

In [114]: x = np.arange(720).reshape((2,3,4,5,6))

In [115]: x[:,:,:,0,[0,1,2,4,5]].shape
Out[115]: (2, 3, 4, 5)

In [116]: x[:,:,0,:,[0,1,2,4,5]].shape
Out[116]: (5, 2, 3, 5)

我已经阅读了花式索引的用法https://numpy.org/doc/stable/user/basics.indexing.html https://numpy.org/doc/stable/user/basics.indexing.html我可以理解x[:,0,:,[1,2]] = [x[:,0,:,1], x[:,0,:,2]]。但是我不明白为什么上面的结果Input [115] and Input [116] differ 在第一维上。有人可以指出此类广播规则的记录在哪里吗？

Thanks!

我尝试在文档中搜索奇特的索引，并将问题发布到 Github 上的 numpy 存储库。

索引操作有两个部分，基本索引定义的子空间（不包括整数）和高级索引部分定义的子空间。索引组合需要区分两种情况：

• 高级索引由切片、省略号或新轴分隔。例如 x[arr1, :, arr2]。
• 高级索引都彼此相邻。例如 x[..., arr1, arr2, :] 但不是 x[arr1, :, 1]，因为 1 是这方面的高级索引。

在第一种情况下，高级索引操作产生的维度首先出现在结果数组中，然后是子空间维度。在第二种情况下，高级索引操作的维度被插入到结果数组中与初始数组中相同的位置（后一个逻辑使简单的高级索引的行为就像切片一样）。

From https://numpy.org/doc/stable/user/basics.indexing.html#combining-advanced-and-basic-indexing https://numpy.org/doc/stable/user/basics.indexing.html#combining-advanced-and-basic-indexing

在您的第一个示例中，第四维和第五维中有高级索引（高级索引位于“彼此相邻”的二维中）。在第二个示例中，有一个切片操作（基本索引）将两个高级索引分开。