python numpy数组索引

我想我正确理解python/numpy中数组的索引。但今天我遇到了一个问题，如下所示：python numpy数组索引

我有一个6维阵列，例如A和A.shape = (11,1,9,1,5,7)。然后，我使用索引如下：

B = A[:,0,0,0,[3,4,2],0]

B.shape = (11,3)和如预期;

C = A[:,0,0,0,[3,4,2],:]

and C.shape = (11,3,7) as expected;

但是，当我说：

D = A[:,0,:,0,[3,4,2],0]

和D.shape应(11,9,3)我可以期待，不过，蟒蛇返回D.shape = (3, 11, 9)。

而我对数组D的形状非常困惑。

有没有人可以给我一个简短的解释？非常感谢！

2017-06-20 zlpython

有大约混合片，并列出了'基本与advanced'索引文档的部分。有一些不明确的地方，'numpy'选择将切片尺寸放在最后。在以前的SO问题中也讨论过这种行为。 – hpaulj

[Explain slice notation]的可能重复（https://stackoverflow.com/questions/509211/explain-slice-notation） – polka

不，这不仅仅是一个普通的切片问题。这是更微妙的东西。 – hpaulj

A[:,0,:,0,[3,4,2],0]

索引与 '高级' 列表讨论的，[3,4,2]产生大小3的尺寸。之后添加第一个和第三个维度，形成（3,11,9）形状。

这种行为有些争议，尤其是当其他指标是标量时。当有两个索引列表时，文档中给出的理由更加清晰。

2017-06-20 17:40:53 hpaulj

嗨hpaulj，非常感谢答复。现在我明白了在使用slice和seq的组合时要小心的地方。整数。 – zlpython

对于数组B和C，切片也被用于（但仅限于第一维和最后一维）并与其他标量索引组合使用，这些索引以我通常可以预期的方式工作。但是，对于数组D，在标量索引之间使用了切片，我想这是导致数组形状导致其他行为的原因。但是关于这个语法，它仍然很容易被混淆。 – zlpython

回答