Numpy 索引重新排序数组

我刚刚偶然发现了一个我不太理解的 numpy 索引行为。看起来 numpy 正在根据索引模式改变我的轴的顺序。不幸的是，我在文档中找不到以下内容的解释。有人可以向我解释一下发生了什么事吗？

# This is expected: dimension 1 is reduced to length 1:
print np.ndarray(shape=(3,3,3,3))[:, [0], :, :].shape
>>> (3, 1, 3, 3)

# This is the unexpected behavior:
print np.ndarray(shape=(3,3,3,3))[:, [0], :, 0].shape
>>> (1, 3, 3)

我预计第二个命令会产生 (3, 1, 3)。如果我从第四个维度中选择一个元素，为什么前两个维度的形状会发生变化？ 预先非常感谢！

编辑： 我在 numpy 1.11.0 和 python 2.7.11 上看到这个

这是预期的行为... NumPy 以不同的方式对待用切片索引的轴和用数组索引的轴。默认行为是，生成的形状将具有使用数组索引的轴的生成形状，然后是使用切片索引的轴的生成形状。这意味着奇怪的是第一种情况，应该是(1, 3, 3, 3)。但有人认为这会让用户对一些简单的情况感到困惑，比如你的，所以当用数组索引的所有轴分组在一起时，生成的形状被放置在输出形状的位置，其中数组索引轴的簇位于原始数组。

你可以自己测试一下：

>>> print np.ndarray(shape=(3,3,3,3))[:, [0], [0], :].shape
(3, 1, 3)

正如您所经历的，这种聪明可能比一贯的行为更令人困惑。 NumPy 开发人员的共识是，最好不要以不同的方式对待聚集数组索引轴，甚至有实现索引器属性的 PR https://github.com/numpy/numpy/pull/6075这将使索引更加明智。

为了向后兼容，默认索引不太可能很快改变，尽管它可能会在不久的将来开始针对某些情况发出弃用警告。